- 相關(guān)推薦
大數據時(shí)代讀書(shū)心得體會(huì )（精選20篇）
讀完一本經(jīng)典名著(zhù)后，相信大家的收獲肯定不少，是時(shí)候寫(xiě)一篇讀書(shū)心得好好記錄一下了。你想知道讀書(shū)心得怎么寫(xiě)嗎？以下是小編收集整理的大數據時(shí)代讀書(shū)心得體會(huì )（精選20篇），供大家參考借鑒，希望可以幫助到有需要的朋友。
大數據時(shí)代讀書(shū)心得體會(huì ) 篇1
信息時(shí)代的到來(lái)，我們感受到的是技術(shù)變化日新月異，隨之而來(lái)的是生活方式的轉變我們這樣評論著(zhù)的信息時(shí)代已經(jīng)變?yōu)樵?jīng)。如今，大數據時(shí)代成為炙手可熱的話(huà)題。筆者在這說(shuō)明信息和數據，只是試圖首先說(shuō)明信息、數據的關(guān)系和不同，也試圖說(shuō)明，為什么信息時(shí)代轉變?yōu)榱舜髷祿䲡r(shí)代？大數據時(shí)代帶給了我們什么？
信息和數據的定義。維基百科解釋?zhuān)盒畔�，又稱(chēng)資訊，是一個(gè)高度概括抽象概念，是一個(gè)發(fā)展中的動(dòng)態(tài)范疇，是進(jìn)行互相交換的內容和名稱(chēng)，信息的界定沒(méi)有統一的定義，但是信息具備客觀(guān)、動(dòng)態(tài)、傳遞、共享、經(jīng)濟等特性卻是大家的共識。數據：或稱(chēng)資料，指描述事物的符號記錄，是可定義為意義的實(shí)體，它涉及到事物的存在形式。它是關(guān)于事件之一組離散且客觀(guān)的事實(shí)描述，是構成信息和知識的原始材料。數據可分為模擬數據和數字數據兩大類(lèi)。數據指計算機加工的“原料”，如圖形、聲音、文字、數、字符和符號等。從定義看來(lái)，數據是原始的處女地，需要耕耘。信息則是已經(jīng)處理過(guò)的可以傳播的資訊。信息時(shí)代依賴(lài)于數據的爆發(fā)，只是當數據爆發(fā)到無(wú)法駕馭的狀態(tài)，大數據時(shí)代應運而生。這是否是《大數據時(shí)代》一書(shū)所未曾闡述的背景材料？
在《大數據時(shí)代》一書(shū)中，大數據時(shí)代與小數據時(shí)代的區別：
1、思維慣例。大數據時(shí)代區別與轉變就是，放棄對因果關(guān)系的渴求，而取而代之關(guān)注相關(guān)關(guān)系。也就是說(shuō)只要知道“是什么”，而不需要知道“為什么”。作者語(yǔ)言絕對，卻反思其本質(zhì)區別。數據的.更多、更雜，導致應用主意只能盡量觀(guān)察，而不是傾其所有進(jìn)行推理？這也是明智之舉。
2、使用用途。小數據停留在說(shuō)明過(guò)去，大數據用驅動(dòng)過(guò)去來(lái)預測未來(lái)。筆者認為數據的用途意在何為，與數據本身無(wú)關(guān)，而與數據的解讀者有關(guān)，而相關(guān)關(guān)系更有利于預測未來(lái)。
3、結構。大數據更多的體現在海量非結構化數據本身與處理方法的整合。大數據更像是理論與現實(shí)齊頭并進(jìn)，理論來(lái)創(chuàng )立處理非結構化數據的方法，處理結果與未來(lái)進(jìn)行驗證。
4、分析基礎。大數據是在互聯(lián)網(wǎng)背景下數據從量變到質(zhì)變的過(guò)程。筆者認為，小數據時(shí)代也即是信息時(shí)代，是大數據時(shí)代的前提，大數據時(shí)代是升華和進(jìn)化，本質(zhì)是相輔相成，而并非相離互斥。
數據未來(lái)的故事。數據的發(fā)展，給我們帶來(lái)什么預期和啟示？銀行業(yè)天然有大數據的潛質(zhì)�？蛻�(hù)數據、交易數據、管理數據等海量數據不斷增長(cháng)，海量機遇和挑戰也隨之而來(lái)，適應變革，適者生存。我們可以有更廣闊的業(yè)務(wù)發(fā)展空間、可以有更精準的決策判斷能力、可以有更優(yōu)秀的經(jīng)營(yíng)管理能力可以這些都基于數據的收集、整理、駕馭、分析能力，基于脫穎而出的創(chuàng )新思維和執行。因此，建設“數據倉庫”，培養“數據思維”，養成“數據治理”，創(chuàng )造“數據融合”，實(shí)現“數據應用”才能擁抱“大數據”時(shí)代，從數據中攫取價(jià)值，笑看風(fēng)云變換，穩健贏(yíng)取未來(lái)。
大數據時(shí)代讀書(shū)心得體會(huì ) 篇2
這本書(shū)里主要介紹的是大數據在現代商業(yè)運作上的應用，以及它對現代商業(yè)運作的影響。
《大數據時(shí)代》這本書(shū)的結構框架遵從了學(xué)術(shù)性書(shū)籍的普遍方式。也既，從現象入手，繼而通過(guò)對現象的解剖提出對這一現象的解釋。然后在通過(guò)解釋在對未來(lái)進(jìn)行預測，并對未來(lái)可能出現的問(wèn)題提出自己看法與對策。
下面來(lái)重點(diǎn)介紹《大數據時(shí)代》這本書(shū)的主要內容。
《大數據時(shí)代》開(kāi)篇就講了Google通過(guò)人們在搜索引擎上搜索關(guān)鍵字留下的數據提前成功的預測了20XX年H1N1的爆發(fā)地與傳播方向以及可能的潛在患者的事情。Google的預測比政府提前將近一個(gè)月，相比之下政府只能夠在流感爆發(fā)一兩個(gè)周之后才可以弄到相關(guān)的數據。同時(shí)Google的預測與政府數據的相關(guān)性高達97%，這也就意味著(zhù)Google預測數據的置信區間為3%，這個(gè)數字遠遠小于傳統統計學(xué)上的常規置信區間5%！而這個(gè)數字就是大數據時(shí)代預測結果的相對準確性與事件的可預測性的最好證明！通過(guò)這一事以及其他的案例，維克托提出了在大數據時(shí)代“樣本=總體”的思想。我們都知道當樣本無(wú)限趨近于總體的時(shí)候，通過(guò)計算得到的描述性數據將無(wú)限的趨近于事件本身的性質(zhì)。而之前采取的“樣本<總體”的做法很大程度上無(wú)法做到更進(jìn)一步的描述事物，因為之前的時(shí)代數據的獲取與存儲處理本身有很大的難度只導致人們采取抽樣的方式來(lái)測量事物。而互聯(lián)網(wǎng)終端與計算機的出現使數據的獲取、存儲與處理難度大大降低，因而相對準確性更高的“樣本=總體”的測算方式將成為大數據時(shí)代的主流，同時(shí)大數據時(shí)代本身也是建立在大批量數據的存儲與處理的基礎之上的。
接下來(lái)，維克多又通過(guò)了IBM追求高精確性的電腦翻譯計劃的失敗與Google只是將所有出現過(guò)的相應的文字語(yǔ)句掃描并儲存在詞庫中，所以無(wú)論需要翻譯什么，只要有聯(lián)系Google詞庫就會(huì )出現翻譯，雖然有的時(shí)候的翻譯很無(wú)厘頭，但是大多數時(shí)候還是正確的，所以Google的電腦翻譯的計劃的成功，表明大數據時(shí)代對準確性的追求并不是特別明顯，但是相反大數據時(shí)代是建立在大數據的基礎住上的，所以大數據時(shí)代追求的是全方位覆蓋的'數字測度而不管其準確性到底有多高，因為大量的數據會(huì )湮埋少數有問(wèn)題的數據所帶來(lái)的影響。同時(shí)大量的數據也會(huì )無(wú)限的逼近事物的原貌。
之后，維克托又預測了一個(gè)在大數據時(shí)代催生的重要職業(yè)——數據科學(xué)家，這是一群數學(xué)家、統計學(xué)與編程家的綜合體，這一群人將能夠從獲取的數據中得到任何他們想要的結果。換言之，只要數據充足我們的一切外在的與內在的我們不想讓他人知道的東西都見(jiàn)會(huì )在這一群家伙的面前展現得淋漓盡致。所以為了避免個(gè)人隱私在大數據時(shí)代被這一群人利用，維克托建議將這一群人分為兩部分，一部分使用數據為商業(yè)部門(mén)服務(wù)，而另一群人則負責審查這一些人是否合法的獲得與應用數據，是否侵犯了個(gè)人隱私。
無(wú)論如何，大數據時(shí)代將會(huì )到來(lái)，不管我們接受還是不接受！
我覺(jué)得《大數據時(shí)代》這本書(shū)寫(xiě)的很好，很值得一讀。因為會(huì )給我們很多啟發(fā)，比如你在相關(guān)的社交網(wǎng)站發(fā)表的言論或者照片都很有可能被“數據科學(xué)家”們利用，從而再將相關(guān)數據賣(mài)給各大網(wǎng)店。不過(guò)，事實(shí)就是我們將會(huì )成為被預測被引誘的對象。所以說(shuō)，小心你在網(wǎng)上留下的痕跡。
我喜歡這本書(shū)是因為它給我展現了一個(gè)新的世界。
大數據時(shí)代讀書(shū)心得體會(huì ) 篇3
4月13日下午，在湖南大學(xué)東樓205參加了關(guān)于《大數據時(shí)代》的讀書(shū)交流活動(dòng)。通過(guò)相互交流學(xué)習，使我更深層次的理解了大數據時(shí)代的利與弊，機遇和挑戰。在寫(xiě)心得體會(huì )前，我想再重新審視一下關(guān)于大數據的歷史沿革和現實(shí)意義。
首先，最早提出“大數據”時(shí)代到來(lái)的是全球知名咨詢(xún)公司麥肯錫，麥肯錫稱(chēng)：“數據，已經(jīng)滲透到當今每一個(gè)行業(yè)和業(yè)務(wù)職能領(lǐng)域，成為重要的生產(chǎn)因素。人們對于海量數據的挖掘和運用，預示著(zhù)新一波生產(chǎn)率增長(cháng)和消費者盈余浪潮的到來(lái)�！薄按髷祿痹谖锢韺W(xué)、生物學(xué)、環(huán)境生態(tài)學(xué)等領(lǐng)域以及軍事、金融、通訊等行業(yè)存在已有時(shí)日，卻因為近年來(lái)互聯(lián)網(wǎng)和信息行業(yè)的發(fā)展而引起人們關(guān)注。大數據作為云計算、物聯(lián)網(wǎng)之后又IT行業(yè)又一大顛覆性的技術(shù)革命。云計算主要為數據資產(chǎn)提供了保管、訪(fǎng)問(wèn)的場(chǎng)所和渠道，而數據才是真正有價(jià)值的資產(chǎn)。企業(yè)內部的經(jīng)營(yíng)交易信息、物聯(lián)網(wǎng)世界中的商品物流信息，互聯(lián)網(wǎng)世界中的人與人交互信息、位置信息等，其數量將遠遠超越現有企業(yè)IT架構和基礎設施的承載能力，實(shí)時(shí)性要求也將大大超越現有的計算能力。如何盤(pán)活這些數據資產(chǎn)，使其為國家治理、企業(yè)決策乃至個(gè)人生活服務(wù)，是大數據的核心議題，也是云計算內在的靈魂和必然的升級方向。
其次，進(jìn)入2012年，大數據（big data）一詞越來(lái)越多地被提及，人們用它來(lái)描述和定義信息爆炸時(shí)代產(chǎn)生的海量數據，并命名與之相關(guān)的技術(shù)發(fā)展與創(chuàng )新。它已經(jīng)上過(guò)《紐約時(shí)報》《華爾街日報》的專(zhuān)欄封面，進(jìn)入美國白宮的新聞，現身在國內一些互聯(lián)網(wǎng)主題的講座沙龍中，甚至被嗅覺(jué)靈敏的國金證券、國泰君安、銀河證券等寫(xiě)進(jìn)了投資推薦報告。數據正在迅速膨脹并變大，它決定著(zhù)企業(yè)的未來(lái)發(fā)展，雖然很多企業(yè)可能并沒(méi)有意識到數據爆炸性增長(cháng)帶來(lái)問(wèn)題的隱患，但是隨著(zhù)時(shí)間的推移，人們將越來(lái)越多的意識到數據對企業(yè)的重要性。正如《紐約時(shí)報》2012年2月的一篇專(zhuān)欄中所稱(chēng)，“大數據”時(shí)代已經(jīng)降臨，在商業(yè)、經(jīng)濟及其他領(lǐng)域中，決策將日益基于數據和分析而作出，而并非基于經(jīng)驗和直覺(jué)。哈佛大學(xué)社會(huì )學(xué)教授加里·金說(shuō)：“這是一場(chǎng)革命，龐大的數據資源使得各個(gè)領(lǐng)域開(kāi)始了量化進(jìn)程，無(wú)論學(xué)術(shù)界、商界還是政府，所有領(lǐng)域都將開(kāi)始這種進(jìn)程�！�
最后，隨著(zhù)云時(shí)代的來(lái)臨，大數據（Big data）也吸引了越來(lái)越多的關(guān)注。著(zhù)云臺的分析師團隊認為，大數據（Big data）通常用來(lái)形容一個(gè)公司創(chuàng )造的大量非結構化和半結構化數據，這些數據在下載到關(guān)系型數據庫用于分析時(shí)會(huì )花費過(guò)多時(shí)間和金錢(qián)。大數據分析常和云計算聯(lián)系到一起，因為實(shí)時(shí)的大型數據集分析需要像MapReduce一樣的框架來(lái)向數十、數百或甚至數千的電腦分配工作�！按髷祿痹诨ヂ�(lián)網(wǎng)行業(yè)指的是這樣一種現象：互聯(lián)網(wǎng)公司在日常運營(yíng)中生成、累積的用戶(hù)網(wǎng)絡(luò )行為數據。這些數據的規模是如此龐大，以至于不能用G或T來(lái)衡量。大數據到底有多大？一組名為“互聯(lián)網(wǎng)上一天”的數據告訴我們，一天之中，互聯(lián)網(wǎng)產(chǎn)生的全部?jì)热菘梢钥虧M(mǎn)1.68億張DVD；發(fā)出的郵件有2940億封之多（相當于美國兩年的紙質(zhì)信件數量）；發(fā)出的社區帖子達200萬(wàn)個(gè)（相當于《時(shí)代》雜志770年的文字量）；賣(mài)出的手機為37.8萬(wàn)臺，高于全球每天出生的嬰兒數量37.1萬(wàn)……，截止到xx年，數據量已經(jīng)從TB（1024GB=1TB）級別躍升到PB（1024TB=1PB）、EB（1024PB=1EB）乃至ZB（1024EB=1ZB）級別。國際數據公司（IDC）的研究結果表明，xx年全球產(chǎn)生的數據量為0.49ZB，xx年的數據量為0.8ZB，xx年增長(cháng)為1.2ZB，xx年的.數量更是高達1.82ZB，相當于全球每人產(chǎn)生200GB以上的數據。而到xx年為止，人類(lèi)生產(chǎn)的所有印刷材料的數據量是200PB，全人類(lèi)歷史上說(shuō)過(guò)的所有話(huà)的數據量大約是5EB.IBM的研究稱(chēng)，整個(gè)人類(lèi)文明所獲得的全部數據中，有90%是過(guò)去兩年內產(chǎn)生的。而到了xx年，全世界所產(chǎn)生的數據規模將達到今天的44倍。
首先，談?wù)劥髷祿䦷Ыo生活的轉變。大數據已經(jīng)是信息產(chǎn)業(yè)發(fā)展的必然趨勢，可以說(shuō)，大數據現在已經(jīng)開(kāi)始慢慢滲透入我們的生活，如：現在流行的打車(chē)軟件、三維立體化社區的建立、某些從事生產(chǎn)銷(xiāo)售的行業(yè)利用大數據來(lái)優(yōu)化規模和實(shí)現利益最大化。而我們很多人對大數據還很陌生，只是被動(dòng)的適應著(zhù)大數據給生活帶來(lái)的改變。大數據時(shí)代是以云計算為基礎的，所以，要實(shí)現大數據，相關(guān)的很多的硬件設備都要更新?lián)Q代，信息處理系統、信息傳輸系統、信息反饋系統、信息決策系統都將面臨新的挑戰，相關(guān)產(chǎn)業(yè)都要重新調整產(chǎn)業(yè)結構，在那時(shí)，可以夸張的說(shuō)，信息就是黃金，信息就是石油。大數據時(shí)代的到來(lái)會(huì )解放更多的勞動(dòng)生產(chǎn)力，勢必將會(huì )更加加劇生產(chǎn)力過(guò)剩的現狀，社會(huì )兩極分化現象會(huì )更加明顯，掌握不了信息資源，很難再翻身，要防止信息壟斷帶來(lái)的可怕局面。大數據時(shí)代的到來(lái)會(huì )使人們的生活節奏急速加快，信息的時(shí)效性決定了它的流通速率，人們的生活節奏要跟上信息流通的速率，就不得不加快自己的節奏，人們會(huì )越來(lái)越忙，到那時(shí)，就像現在的日本，可能想找個(gè)人聽(tīng)你說(shuō)說(shuō)話(huà)，真的是一件很難的事。
第二，關(guān)于數據管理的看法。大數據時(shí)代，數據管理是一件很重要的工作，如何才能避免自己的數據被非法竊取、丟失和被盜？我的看法是，人防、技防、物防一體化。人防，即我們要從思想上牢固樹(shù)立信息安全防范的意識，不主動(dòng)泄露信息，要管理好自己身邊的信息設備；技防，就是要運用軟件來(lái)管理和處理數據，經(jīng)常檢查更新數據庫，定時(shí)查殺電腦病毒，確保電腦狀況安全；物防，就是重要的數據一定要備份保留，而且應當做到備份與原始文件是物理隔離，無(wú)關(guān)的信息應當及時(shí)刪除，減輕硬盤(pán)的壓力。
三、怎么保護自己的隱私。隱私，顧名思義，就是不愿意讓別人看到的東西，所以，在大數據時(shí)代，更要管理好自己的隱私，以免對自己和家人造成麻煩和損失。越是隱私的信息，越要遠離網(wǎng)絡(luò )，不要再公開(kāi)的社交網(wǎng)絡(luò )儲存和展示個(gè)人圖片、資料等信息，免得被非法人士采用和竊取。建議還是用紙質(zhì)的日記代替電腦日記，避免信息傳播范圍太大，管理好自己的日記本。研發(fā)一種新的硬件連接器，總是以隨機碼來(lái)保護自己真實(shí)IP地址，提高網(wǎng)絡(luò )安全的可靠性，加強對聯(lián)網(wǎng)信息的管理和保護。
大數據時(shí)代讀書(shū)心得體會(huì ) 篇4
讀了《大數據時(shí)代》后，感覺(jué)到一個(gè)大變革的時(shí)代將要來(lái)臨。雖然還不怎么明了到底要徹底改變哪些思維和操作方式，但顯然作者想要“終結”或顛覆一些傳統上作為我們思維和生存基本理論、方法和方式。在這樣的想法面前，我的思想被強烈震撼，不禁戰栗起來(lái)。
“在小數據時(shí)代，我們會(huì )假象世界是怎樣運作的，然后通過(guò)收集和分析數據來(lái)驗證這種假想�！薄半S著(zhù)由假想時(shí)代到數據時(shí)代的過(guò)渡，我們也很可能認為我們不在需要理論了�！睍�(shū)中幾乎肯定要顛覆統計學(xué)的理論和方法，也試圖通過(guò)引用《連線(xiàn)》雜志主編安德森的話(huà)“量子物理學(xué)的理論已經(jīng)脫離實(shí)際”來(lái)“終結”量子力學(xué)。對此我很高興，因為統計學(xué)和量子力學(xué)都是我在大學(xué)學(xué)習時(shí)學(xué)到抽筋都不能及格的課目。但這兩個(gè)理論實(shí)在太大，太權威，太基本了，我想我不可能靠一本書(shū)就能擺脫這兩個(gè)讓我頭疼一輩子的東西。作者其實(shí)也不敢旗幟鮮明地提出要顛覆它們的論點(diǎn)，畢竟還是在前面加上了“很可能認為”這樣的保護傘。
近幾十年，我們總是在遇到各種各樣的新思維。在新思維面前我們首先應該做到的就是要破和立，要改變自己的.傳統，跟上時(shí)代的腳步。即使腦子還跟不上，嘴巴上也必須跟上，否則可能會(huì )被扣上思想僵化甚至阻礙世界發(fā)展的大帽子。既然大數據是“通往未來(lái)的必然改變”，那我就必須“不受限于傳統的思維模式和特定領(lǐng)域里隱含的固有偏見(jiàn)”，跟作者一起先把統計學(xué)和量子力學(xué)否定掉再說(shuō)。反正我也不喜歡、也學(xué)不會(huì )它們。
當我們人類(lèi)的數據收集和處理能力達到拍字節甚至更大之后，我們可以把樣本變成全部，再加上有能力正視混雜性而忽視精確性后，似乎真的可以?huà)仐壱猿闃诱{查為基礎的統計學(xué)了。但是由統計學(xué)和量子力學(xué)以及其他很多“我們也很可能認為我們不再需要的”理論上溯，它們幾乎都基于一個(gè)共同的基礎——邏輯。要是不小心把邏輯或者邏輯思維或者邏輯推理一起給“不再需要”的話(huà)，就讓我很擔心了！
《大數據時(shí)代》第16頁(yè)“大數據的核心就是預測”。邏輯是——描述時(shí)空信息“類(lèi)”與“類(lèi)”之間長(cháng)時(shí)間有效不變的先后變化關(guān)系規則。兩者似乎是做同一件事�？纱髷祿摹安皇且蚬P(guān)系，而是相關(guān)關(guān)系”，“知道是什么就夠了，沒(méi)必要知道為什么”，而邏輯學(xué)四大基本定律（同一律、矛盾律、排中律和充足理由律）中的充足理由律又“明確規定”任何事物都有其存在的充足理由。且邏輯推理三部分——歸納邏輯、溯因邏輯和演繹邏輯都是基于因果關(guān)系。兩者好像又是對立的。在同一件事上兩種方法對立，應該只有一個(gè)結果，就是要否定掉其中之一。這就是讓我很擔心的原因。
可我卻不能拭目以待，像旁觀(guān)者一樣等著(zhù)哪一個(gè)“脫穎而出”，因為我身處其中。問(wèn)題不解決，我就沒(méi)法思考和工作，自然就沒(méi)法活了！更何況還有兩個(gè)更可怕的事情。
其一：量子力學(xué)搞了一百多年，為了處理好混雜性問(wèn)題，把質(zhì)量和速度結合到能量上去了，為了調和量子力學(xué)與相對論的矛盾，又搞出一個(gè)量子場(chǎng)論，再七搞八搞又有了蟲(chóng)洞和羅森橋，最后把四維的時(shí)空彎曲成允許時(shí)間旅行的樣子，恨不得馬上造成那可怕的'時(shí)間旅行機器。唯一阻止那些“愛(ài)因斯坦”們“瞎胡鬧”的就是因果關(guān)系，因為爸爸就是爸爸，兒子就是兒子。那么大數據會(huì )不會(huì )通過(guò)正視混雜性，放棄因果關(guān)系最后反而搞出時(shí)間機器，讓爸爸不再是爸爸，兒子不再是兒子了呢？其二：人和機器的根本區別在于人有邏輯思維而機器沒(méi)有�！洞髷祿䲡r(shí)代》也擔心“最后做出決策的將是機器而不是人”。如果真的那一天因為放棄邏輯思維而出現科幻電影上描述的機器主宰世界消滅人類(lèi)的結果，那我還不如現在就趁早跳樓。
還好我知道自己對什么統計學(xué)、量子力學(xué)、邏輯學(xué)和大數據來(lái)說(shuō)都是門(mén)外漢，也許上面一大篇都是在胡說(shuō)八道，所謂的擔心根本不存在。但問(wèn)題出現了，還是解決的好，不然沒(méi)法睡著(zhù)覺(jué)。自己解決不了就只能依靠專(zhuān)家來(lái)指點(diǎn)迷津。
所以想向《大數據時(shí)代》的作者提一個(gè)合理化建議：把這本書(shū)繼續寫(xiě)下去，至少加一個(gè)第四部分——大數據時(shí)代的邏輯思維。
大數據時(shí)代讀書(shū)心得體會(huì ) 篇5
《大數據時(shí)代》是英國維克托·邁爾—舍恩伯格教授的著(zhù)作，這本書(shū)也被尊為國外大數據研究的先河之作。這本書(shū)最大的優(yōu)點(diǎn)就在于作者利用上百個(gè)例子來(lái)對大數據的方方面面做了詳細解說(shuō)，讓外行也很容易理解。結構上，作者通過(guò)大數據時(shí)代的思維變革、商業(yè)變革和管理變革三個(gè)角度依次闡述，條理清晰。
所謂"大數據"，按作者的說(shuō)法，就是"所有數據"。隨著(zhù)計算機運算速度和存儲能力的發(fā)展，收集數據變得越來(lái)越簡(jiǎn)單，儲存數據的成本越來(lái)越低。在過(guò)去，由于技術(shù)限制，人們做統計時(shí)只能收集有限的數據做樣本，其中要考慮隨機樣本的選擇，努力減小因樣本問(wèn)題出現的誤差；統計結果往往不能重復使用，造成數據利用率低。而現在則可以做到"樣本=總體"。數據的增多帶來(lái)不可避免的精確性問(wèn)題。"小數據"時(shí)代，一個(gè)樣本的錯誤就可以造成對總體估計的失敗，幸運的是，"大數據"時(shí)代對精確性不再那么要求苛刻——也無(wú)法要求太嚴格——數據的數量足以彌補這一缺陷。在對思維變革這一部分的闡述中，最重要也是全書(shū)的核心觀(guān)點(diǎn)就是大數據時(shí)代，我們應該從追求"因果關(guān)系"的舊思維方式向追求"相關(guān)關(guān)系"轉變。
在我看來(lái)，這實(shí)際上是通過(guò)大數據來(lái)透視一種事物的發(fā)展趨勢，而很多精確學(xué)科領(lǐng)域依然需要探尋"因果關(guān)系"解決更有針對性的問(wèn)題，所以，這局限了這一轉變只能在特定的領(lǐng)域發(fā)生。作者自己也說(shuō)，"大數據的相關(guān)性將人們指向了比探討因果關(guān)系更有前景的領(lǐng)域。"
大數據時(shí)代的數據獲取方式是多種多樣，數據形式也是千變萬(wàn)化，任何文字、行為、萬(wàn)物都可以被數據化后用來(lái)分析。對這些數據的`利用，不僅要考慮到其初次使用價(jià)值，更要放眼它未來(lái)可能的用途以提高數據的利用率。當然數據并不是無(wú)限使用，時(shí)效、環(huán)境的變化肯定會(huì )對數據提出新的要求，所以數據的折舊也是應當考慮的。這又引出了對數據這一無(wú)形資產(chǎn)的估值可能性。對于這樣的公司來(lái)說(shuō)，數據就是他們的核心，如何在資產(chǎn)負債表上給他們一個(gè)公正的體現正是我們需要考慮的。
大數據時(shí)代的價(jià)值鏈由三部分構成，我把它們簡(jiǎn)化為"生產(chǎn)—分析—使用"三個(gè)環(huán)節，這對應書(shū)中的三種類(lèi)型公司：第一種是基于數據本身的公司，第二種是基于技能，第三種則是基于思維。在大數據早期，技能和思維最有價(jià)值，但作者認為，最終，大部分的價(jià)值還是必須從數據本身來(lái)挖掘。這是假定了一個(gè)成熟的市場(chǎng)，人人都了解了大數據的用途。
對于普通人來(lái)說(shuō)，大數據時(shí)代最關(guān)心的`還是隱私問(wèn)題。不知不覺(jué)中，個(gè)人的一舉一動(dòng)都暴露在政府甚至私人企業(yè)之下，還面臨潛在的泄露風(fēng)險。對此，作者提出了使用者承擔責任的解決辦法，而不是過(guò)去那種流于形式的使用授權。大數據甚至能預測一個(gè)人的犯罪動(dòng)機，這給監管者帶來(lái)的難題是，預測一個(gè)人要犯罪，懲罰還是不懲罰？在這點(diǎn)上，社會(huì )達成"個(gè)人僅需對行為而非動(dòng)機負責"的共識非常重要。
大數據時(shí)代的風(fēng)險控制靠的是"算法師"，類(lèi)似會(huì )計師一樣的職業(yè)，對大數據的準確度或有效性進(jìn)行鑒定。這能在一定程度上防止數據濫用的發(fā)生和數據獨裁。當今的法律亦需對大數據監管進(jìn)行修訂補充。
當代大數據發(fā)展主要由科技公司推動(dòng)，相信在不久的將來(lái)更多的傳統領(lǐng)域會(huì )意識到大數據的重要性。但我們也應該保持清醒，大數據并不是萬(wàn)能藥，對某些領(lǐng)域或環(huán)節，使用大數據是一種簡(jiǎn)單且實(shí)用的選擇；但對某些領(lǐng)域，盲目使用大數據只會(huì )適得其反。
大數據時(shí)代讀書(shū)心得體會(huì ) 篇6
通過(guò)讀ViktorMayer-Schonberger的《大數據時(shí)代》重新認真思考了大數據，全書(shū)以數據為核心，引導人們用數據的思維去理解世界，用數據的思維去解決問(wèn)題，是推薦讀物。但個(gè)人認為本書(shū)叫《數據時(shí)代》更為合適，因其講了不少統計學(xué)、數據收集的故事，“大數據”的故事只占一小部分。
維基百科說(shuō)大數據由巨型數據集組成，這些數據集大小常超出常用軟件在可接受時(shí)間下的收集、庋用、管理和處理能力，或稱(chēng)巨量數據、海量數據、大資料，大數據的常見(jiàn)特點(diǎn)是3V：Volume、Velocity、Variety。
規模巨大的數據未必是大數據，需滿(mǎn)足她的三個(gè)特點(diǎn)。以研究擲硬幣概率的實(shí)驗為例，當傳統實(shí)驗次數達到一定規模后就能幫助實(shí)驗者分析正反面出現的概率，隨著(zhù)實(shí)驗次數的增加，數據大量積累可能越來(lái)越支持這一結論，數據達到一定量，它的邊際效應就出現了，數據繼續增加對分析概率還有多少意義呢?按照現代概率學(xué)伯努利試驗去帶入函數計算就好了，這僅算是概率學(xué)或者是統計學(xué)吧。故大數據不是因為單純體積大而大，是因為雜而大，研究硬幣正反面的概率如引入天文學(xué)、心理學(xué)、材料學(xué)、物理學(xué)等領(lǐng)域的數據而使之變大，進(jìn)而研究關(guān)聯(lián)關(guān)系(或因果關(guān)系，注：本書(shū)不認同因果關(guān)系的重要性)，從而得出概率的分布，然而大量相關(guān)數據的引入，按照傳統分析過(guò)程的時(shí)間是不可接受的，需利用高效計算資源，迅速把雜而大的處理結果呈現出來(lái)，并且實(shí)驗者對結果的預期不能要求100%的精確。大數據并不是數據本身，而是一種思維方式。
大數據令人著(zhù)迷的地方在于用“科學(xué)”的辦法挑戰了“預測學(xué)”，幫助人們發(fā)現未知，幫忙人們進(jìn)行決策。然而本書(shū)作者ViktorMayer-Schonberger強調“大數據不是因果關(guān)系，而是相關(guān)關(guān)系，相關(guān)關(guān)系比因果關(guān)系更重要”，此觀(guān)點(diǎn)不能認同，因果關(guān)系是宇宙的基本定律，且不說(shuō)種瓜得瓜、善有善報之類(lèi)哲學(xué)命題，若商家在發(fā)現電容器、釘子、高壓鍋有關(guān)聯(lián)購買(mǎi)關(guān)系而去做大量營(yíng)銷(xiāo)的話(huà)豈不是有可能發(fā)生更多的波士頓爆炸案①。關(guān)聯(lián)關(guān)系在大數據中被提取出來(lái)使用，而不去關(guān)心因果關(guān)系是一種粗暴的、倒退的處理方式，是作者理解的現代社會(huì )浮躁的心里體現。我認為的大數據應該是把看起來(lái)不相干的數據放到一起分析，找到某些跨領(lǐng)域的關(guān)聯(lián)關(guān)系，進(jìn)而推論因果關(guān)系，發(fā)現其中價(jià)值。作者引用了安德森的觀(guān)點(diǎn)“現在已經(jīng)是一個(gè)有海量數據的時(shí)代，應用數學(xué)已經(jīng)取代了其他的所有學(xué)科工具，而且只要數據足夠，就能說(shuō)明問(wèn)題”，數據和所有科學(xué)的關(guān)系，我覺(jué)得有點(diǎn)像現在互聯(lián)網(wǎng)和其他所有行業(yè)的關(guān)系一樣，互聯(lián)網(wǎng)終究還是一個(gè)工具。作者舉了沃爾瑪“尿布與啤酒”③的故事，這也是大家熟知的一個(gè)數據分析的故事，但是沃爾瑪真的是這么做的嗎?大家可以去沃爾瑪的時(shí)候留意一下。一家大型的超市，如果為了這種所謂相關(guān)關(guān)系，所有商品用這種關(guān)聯(lián)關(guān)系去擺放，天哪，這將是一家多么混亂的超市，顧客進(jìn)去將難以區分食品在哪、生活用品在哪!有人可能說(shuō)這種關(guān)聯(lián)關(guān)系更適合電子商務(wù)，是的，但是我還是比較看好已知原因的關(guān)聯(lián)關(guān)系，比如嬰幼兒智力玩具和孕婦減肥放到一起，比如在線(xiàn)播放器旁邊放衛生紙的廣告(哈哈哈，你懂的)。本書(shū)用美國折扣零售店塔吉特與懷孕預測②來(lái)佐證他的觀(guān)點(diǎn)，但恰恰是知道因果關(guān)系后商業(yè)價(jià)值才能更多的體現出來(lái)，未知因果關(guān)系前顧客的'父親生氣并要求賠償，知道因果關(guān)系后才使得這種廣告理所應當并讓客戶(hù)接受。
互聯(lián)網(wǎng)信息時(shí)代數據的積累以及BI、數據倉庫、人工智能、HADOOP、NOSQL等技術(shù)的流行，使得人們考慮問(wèn)題的方式已經(jīng)發(fā)生變化，接下來(lái)我們要做的只有接受擁抱數據時(shí)代、大數據時(shí)代。軟件行業(yè)程序上線(xiàn)的變更差錯率是一個(gè)考核IT水平的指標，為此很多公司引進(jìn)了CMMI體系，以求他保障軟件的質(zhì)量，為此也收集了大量的過(guò)程數據。若用數據的思維，是否可能根據之前的各種相關(guān)數據預測下次投產(chǎn)變更的成功率?若用大數據的思維，是否可以根據CMMI數據以及程序員開(kāi)發(fā)期間上下班考勤數據、工資發(fā)放時(shí)間、上線(xiàn)當天天氣情況來(lái)綜合預測投產(chǎn)變更的成功率?用大數據的思維，訂餐網(wǎng)站不僅根據之前你定的是咸的還是辣的來(lái)給你推薦菜單，可能因為你微博上發(fā)了一句“每個(gè)月總有那么幾天”修改了訂餐的推薦菜單(哈哈)!故在數據時(shí)代，提議童鞋們檢查公司的信息系統，是否有定期刪除“垃圾”日志、數據的機制(Viktor說(shuō)，即使最平凡的信息業(yè)可以具有特殊的價(jià)值)，為了日益廉價(jià)的存儲而刪除日益昂貴的數據，請三思后行吧。
大數據時(shí)代讀書(shū)心得體會(huì ) 篇7
無(wú)處不在的大數據：各種云計算，谷歌的神通，亞馬遜的推送，天涯人肉，微博萬(wàn)能等等，我們掌握了新的工具，也獲取了以前從未有過(guò)的各種信息。大數據拉近了我們與現實(shí)的距離，“地球村”變成了“地球屋”，仿佛所有人所有事物都觸手可及，而這些牛逼哄哄的互聯(lián)網(wǎng)巨頭就在客廳展示著(zhù)世界的每一寸光景。
作者站在理論的至高點(diǎn)上，闡述了大數據對人類(lèi)的工作、生活、思維帶來(lái)的革新，大數據時(shí)代的三種典型的商業(yè)模式，以及大數據時(shí)代對于個(gè)人隱私保護、公共安全提出的挑戰。作者認為大數據時(shí)代具有三個(gè)顯著(zhù)特點(diǎn)。
一、人們研究與分析某個(gè)現象時(shí)，將使用全部數據而非抽樣數據。
二、在大數據時(shí)代，不能一味地追求數據的精確性，而要適應數據的多樣性、豐富性、甚至要接受錯誤的數據。
三、了解數據之間的相關(guān)性，勝于對因果關(guān)系的探索�！笆鞘裁础北取盀槭裁础敝匾�。作者指出，隨著(zhù)技術(shù)的發(fā)展，數據的存儲與處理成本顯著(zhù)降低，人們現在有能力從支離破碎的、看似毫不相干的數據礦渣中抽煉出真知爍見(jiàn)。在大數據時(shí)代，三類(lèi)公司將成為時(shí)代的寵兒。一是擁有大數據的公司與組織，如政府、銀行、電信公司、全球性互聯(lián)網(wǎng)公司（阿里巴巴、淘寶網(wǎng)）。二是擁有數據分析與處理技術(shù)的專(zhuān)業(yè)公司，如亞馬遜、谷歌。三是擁有創(chuàng )新思維的公司，他們可能既不掌握大數據，也沒(méi)有專(zhuān)業(yè)技術(shù)，但卻擅長(cháng)使用大數據，從大數據中找到自己的理想天地。面對即將來(lái)臨的大數據時(shí)代，個(gè)人將如何應對自如？這是個(gè)嚴肅的問(wèn)題。大數據時(shí)代的社會(huì )倫理重點(diǎn)都在討論如何保護個(gè)人隱私。因為手機越來(lái)越智能，網(wǎng)絡(luò )越來(lái)越快，個(gè)人的信息也越來(lái)越透明——隱形幾乎完全不可能。我想說(shuō)的是，作為硬幣的另外一面，我們無(wú)法舍棄：互聯(lián)網(wǎng)只不過(guò)是讓人與人之間碎片的關(guān)系得以統一，其實(shí)各種人肉和信息只不過(guò)是坊間傳聞的'升級罷了。當我們住在擁擠的小區，三公里走完一圈的縣城，半小時(shí)散步完的村落，人和人之間有隱私嗎？現在只不過(guò)是把這個(gè)范圍放大到了一個(gè)地球而已。硬幣的一面是人和人之間有溝通的需要，去團結對抗世界的未知，那么另外一面就是隱私的缺乏。與其說(shuō)是要在大數據時(shí)代保護自己的信息不被泄露，不如站起來(lái)維護自己和他人的隱私，從法律和道德的角度來(lái)尊重人與人之間的權利。
大數據時(shí)代是信息社會(huì )運作的必然結果，而借由它，人類(lèi)的信息社會(huì )更上一個(gè)臺階。農業(yè)社會(huì )人們以土地為核心資源，工業(yè)時(shí)代轉為能源，信息社會(huì )則將變更為數據。誰(shuí)掌握數據，以及數據分析方法，誰(shuí)就將在這個(gè)大數據時(shí)代勝出，無(wú)論是商業(yè)組織，還是國家文明。
大數據時(shí)代讀書(shū)心得體會(huì ) 篇8
去年的“云計算”炒得熱火朝天的，今年的“大數據”又突襲而來(lái)。仿佛一夜間，各廠(chǎng)商都紛紛改旗換幟，推起“大數據”來(lái)了。于是乎，各企業(yè)的CIO也將熱度紛紛轉向關(guān)注“大數據”來(lái)了。有一張來(lái)自《程序員》微博的漫畫(huà)很形象。我覺(jué)得這張圖，很真實(shí)地反映了現實(shí)中小企業(yè)云計算，大數據的現狀。
不過(guò)話(huà)又還得說(shuō)回來(lái)，《大數據時(shí)代》是本好書(shū)。
當然，很多IT知名人士也大力推薦，寫(xiě)了好多讀后感來(lái)表述對這本書(shū)的喜歡沒(méi)看此書(shū)之前，對所謂大數據的概念基本上是一頭霧水，雖則有了解關(guān)注過(guò)現在也比較火熱的BI，覺(jué)得也差不多，可能就是更多的數據，更細致的數據分析與數據挖掘�？催^(guò)此書(shū)后，感覺(jué)到之前的想法，只能算是中了一小半吧—。巨量的數據，而另一前：著(zhù)眼于數據關(guān)聯(lián)性，而非數據精確性，或許才是大數據與現時(shí)BI的不同，不僅僅是方法，更多的時(shí)思想方法。不過(guò)坦白講，到底是數據的關(guān)聯(lián)性重佳，還是數據的精確性更好，還真的需要時(shí)間來(lái)檢驗一下，至少從現在的數據分析方法來(lái)論，更多的傾向于數據的精確性。
看完此書(shū)，我心中的一些問(wèn)題：
1、什么是大數據？
查了查百度百科，是這樣定義的：大數據（bigdata），或稱(chēng)巨量資料，指的是所涉及的資料量規模巨大到無(wú)法透過(guò)目前主流軟件工具，在合理時(shí)間內達到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營(yíng)決策更積極目的的資訊。大數據的4V特點(diǎn)：Volume、Velocity、Variety、Veracity這個(gè)好像是IBM的定義吧。
以個(gè)人的觀(guān)點(diǎn)來(lái)看：數據海量，存儲海量都是大數據的基本原型吧。
2、大數據適合什么樣的企業(yè)？
誠然，大數據的前提是海量的數據，只有擁有巨量的數據資源，方能從中查找出數據的關(guān)聯(lián)性，才可以讓通過(guò)專(zhuān)業(yè)化的處理，讓其為企業(yè)產(chǎn)生價(jià)值。針對電信運營(yíng)，互聯(lián)網(wǎng)應用這樣海量用戶(hù)的數據的大企業(yè)，也是在應用大數據的道路上擁有得天獨厚的條件，但是針對中小企業(yè)呢？銷(xiāo)售訂單數據？若非百年老店，估計數據也是少得可憐，能用的可能只有消費者數據了吧。貌似大多數廠(chǎng)商，用來(lái)舉例的也就是消費都購買(mǎi)行為分析為最多。
同樣，在公共事業(yè)類(lèi)的政府機構，大數據的作用也許也能很好的發(fā)揮。反而感覺(jué)在大多數中小型企業(yè)應用大數據，似乎有點(diǎn)大題小作。書(shū)中說(shuō)：大數據是企業(yè)競爭力。誠然，數據是一個(gè)企業(yè)的核心無(wú)形資源（利用得好的話(huà)），但是否所有的數據，或都換則方式說(shuō)：所有的企業(yè)都以大數據為競爭力，是否真的合適么？是否在中小企業(yè)中，會(huì )顯示得小題大做呢？
3、大數據帶來(lái)的影響
當一波又一波的IT技術(shù)熱潮源源不斷地向我們鋪面而來(lái)的時(shí)候，你甚至都沒(méi)有做好準備，你都要開(kāi)始迎接它所給你帶來(lái)的影響了。經(jīng)過(guò)物聯(lián)網(wǎng)，云計算的推波助瀾下，大數據開(kāi)始登場(chǎng)了。但它到底給我們帶來(lái)了什么呢？
1）預測未來(lái)書(shū)中以Google成功預測了未來(lái)可能發(fā)生流感的案例來(lái)開(kāi)篇，表明通過(guò)大數據的應用，可以為我們的生活起一個(gè)保駕護航的指向標。實(shí)質(zhì)很簡(jiǎn)單，技術(shù)改變世界。
2）變革商業(yè)大數據所帶來(lái)的商機，同時(shí)會(huì )衍生出一系列與大數據相關(guān)的商業(yè)機遇與商業(yè)模式，數據的潛在價(jià)值會(huì )源源不斷地發(fā)揮作用可以容易想到的是未來(lái)有專(zhuān)門(mén)的數據收集，數據分析，數據生成的.一條數據產(chǎn)業(yè)鏈產(chǎn)生。影響的，當然是IT公司
3）變革思維書(shū)中所說(shuō)：因為有海量的數據作基礎，未來(lái)，我們可能更關(guān)注數據的相關(guān)，而非精細度。對這條，本人還是持保留意見(jiàn)的。
如今說(shuō)起新媒體和互聯(lián)網(wǎng)，必提大數據，似乎不這樣說(shuō)就OUT了。而且人云亦云的居多，不少談?wù)撜呱踔吝�沒(méi)有認真讀過(guò)這方面的經(jīng)典著(zhù)作——舍恩佰格的《大數據時(shí)代》。維克托·邁爾舍恩伯格何許人也？他現任牛津大學(xué)網(wǎng)絡(luò )學(xué)院互聯(lián)網(wǎng)研究所治理與監管專(zhuān)業(yè)教授，曾任哈佛大學(xué)肯尼迪學(xué)院信息監管科研項目負責人。他的咨詢(xún)客戶(hù)包括微軟、惠普和IBM等全球企業(yè)，他是歐盟互聯(lián)網(wǎng)官方政策背后真正的制定者和參與者，他還先后擔任多國政府高層的智囊。這位被譽(yù)為：大數據時(shí)代的。預言家“的牛津教授真牛！那么，這位大師說(shuō)的都是金科玉律嗎？并不一定，讀大師的作品一定要做些功課才好讀懂，才能能與之進(jìn)行一場(chǎng)思想上的對話(huà)。
舍恩伯格分三部分來(lái)討論大數據，即思維變革、商業(yè)變革和管理變革。
在第一部分”大數據時(shí)代的思維變革“中，舍恩伯格旗幟鮮明的亮出他的三個(gè)觀(guān)點(diǎn)：
一、更多：不是隨機樣本，而是全體數據。
二、更雜：不是精確性，而是混雜性。
三、更好：不是因果關(guān)系，而是相關(guān)關(guān)系。對于第一個(gè)觀(guān)點(diǎn)，我不敢茍同。
一方面是對全體數據進(jìn)行處理，在技術(shù)和設備上有相當高的難度。另一方面是不是都有此必要，對于簡(jiǎn)單事實(shí)進(jìn)行判斷的數據分析難道也要采集全體數據嗎？
我曾與香港城市大學(xué)的祝建華教授討論過(guò)。祝教授是傳播學(xué)研究方法和數據分析的專(zhuān)家，他認為一定可以找到一種數理統計方法來(lái)進(jìn)行分析，并不一定需要全部數據。聯(lián)系到舍恩伯格第二個(gè)觀(guān)點(diǎn)中所說(shuō)的相關(guān)關(guān)系，我理解他說(shuō)的全體數據不是指數量而是指范圍，即大數據的隨機樣本不限于目標數據，還包括目標以外的所有數據。我認為大數據分析不能排除隨機抽樣，只是抽樣的方法和范圍要加以拓展。
我同意舍恩伯格的第二觀(guān)點(diǎn)，我認為這是對他第一個(gè)觀(guān)點(diǎn)很好的補充，這也是對精準傳播和精準營(yíng)銷(xiāo)的一種反思�！贝髷祿暮�(jiǎn)單算法比小數據的復雜算法更有效�！案哂泻暧^(guān)視野和東方哲學(xué)思維。對于舍恩伯格的第三個(gè)觀(guān)點(diǎn)，我也不能完全贊同�！辈皇且蚬P(guān)系，而是相關(guān)關(guān)系�！安恍枰馈睘槭裁础�，只需要知道”是什么“。傳播即數據，數據即關(guān)系。在小數據時(shí)代人們只關(guān)心因果關(guān)系，對相關(guān)關(guān)系認識不足，大數據時(shí)代相關(guān)關(guān)系舉足輕重，如何強調都不為過(guò)，但不應該完全排斥它。大數據從何而來(lái)？為何而用？如果我們完全忽略因果關(guān)系，不知道大數據產(chǎn)生的前因后果，也就消解了大數據的人文價(jià)值。如今不少學(xué)者為了闡述和傳播其觀(guān)點(diǎn)往往語(yǔ)出驚人，對舊有觀(guān)念進(jìn)行徹底的否定。
世間萬(wàn)物的復雜性多樣化并非非此即彼那么簡(jiǎn)單，舍恩伯格也是這種二元對立的幼稚思維嗎？其實(shí)不然，讀者在閱讀時(shí)一定要看清楚他是在什么語(yǔ)境下說(shuō)的，不要因囫圇吞棗的淺讀而陷入斷章取義的誤讀。比如說(shuō)舍恩伯格在提出”不是因果關(guān)系，而是相關(guān)關(guān)系�！斑@一論斷時(shí)，他在書(shū)中還說(shuō)道：”在大多數情況下，一旦我們完成了對大數據的相關(guān)關(guān)系分析，而又不再滿(mǎn)足于僅僅知道‘是什么’時(shí)，我們就會(huì )繼續向更深層次研究的因果關(guān)系，找出背后的‘為什么’�！癧i]由此可見(jiàn)，他說(shuō)的全體數據和相關(guān)關(guān)系都在特定語(yǔ)境下的，是在數據挖掘中的選項。
大數據研究的一大驅動(dòng)力就是商用，舍恩伯格在第二部分里討論了大數據時(shí)代的商業(yè)變革。舍恩伯格認為數據化就是一切皆可”量化“，大數據的定量分析有力地回答”是什么“這一問(wèn)題，但仍然無(wú)法完全回答”為什么“。因此，我認為并不能排除定性分析和質(zhì)化研究。數據創(chuàng )新可以創(chuàng )造價(jià)值，這是毫無(wú)疑問(wèn)的。舍恩伯格在討論大數據的角色定位時(shí)仍把它置于數據應用的商業(yè)系統中，而沒(méi)有把它置于整個(gè)社會(huì )系統里，但他在第二部分大數據時(shí)代的管理變革中討論了這個(gè)問(wèn)題。
在風(fēng)險社會(huì )中信息安全問(wèn)題日趨凸顯。如何擺脫大數據的困境？舍恩伯格在最后一節”掌控“中試圖回答，但基本上屬于老生常談。我想，或許凱文·凱利的《失控》可以幫助我們解答這個(gè)問(wèn)題？至少可以提供更多的思考維度。正如舍恩伯格在結語(yǔ)中所道：”大數據并不是一個(gè)充斥著(zhù)算法和機器的冰冷世界，人類(lèi)的作用依然無(wú)法被完全替代。大數據為我們提供的不是最終答案，只是參考的答案，幫助是暫時(shí)的，而更好的方法和答案還在不久的未來(lái)�！爸x謝舍恩伯格！讓大數據討論從自然科學(xué)回到人文社科。由此推斷，《大數據時(shí)代》不是最終答案，也不是標準答案，只是參考的答案。
此外，在閱讀此書(shū)之前還必須具備一些數據科學(xué)的基本知識和基本概念，比如說(shuō)什么叫數據？什么叫大數據？數據分析與數據挖掘的區別，數字化與數據化有什么不同？讀前做些功課讀起來(lái)就比較好懂了。
大數據時(shí)代讀書(shū)心得體會(huì ) 篇9
現在已經(jīng)進(jìn)入到了二十一世紀了，當今社會(huì )已經(jīng)擺脫了上個(gè)世紀的那種消息滯后的時(shí)代了，我們最應該感謝的就是科學(xué)的進(jìn)步為我們帶來(lái)了這么多便利。與此同時(shí)，科學(xué)的進(jìn)步還為我們帶來(lái)了“大數據”這個(gè)讓人類(lèi)減少了很多工作量的東西。
在這個(gè)學(xué)期的名著(zhù)導讀課上我們就被要求讀：《大數據時(shí)代》這本書(shū)�！洞髷祿䲡r(shí)代》是國外大數據系統研究的先河之作，本書(shū)作者維克托·邁爾·舍恩伯格被譽(yù)為“大數據時(shí)代的預言家”，他是一個(gè)特別厲害的人，他作為一個(gè)教師，他曾經(jīng)在哈佛大學(xué)、牛津大學(xué)、耶魯大學(xué)和新加坡國立大學(xué)等多所世界前列名校任教的經(jīng)歷。他作為一個(gè)科學(xué)家，早在2010年就在《經(jīng)濟學(xué)人》上發(fā)布了長(cháng)達14頁(yè)對大數據應用的前瞻性研究。他是十余年潛心研究數據科學(xué)的技術(shù)權威。他是最早洞見(jiàn)大數據時(shí)代發(fā)展趨勢的數據科學(xué)家之一，也是最受人尊敬的權威發(fā)言人之一�，F任牛津大學(xué)網(wǎng)絡(luò )學(xué)院互聯(lián)網(wǎng)治理與監管專(zhuān)業(yè)教授，曾任哈佛大學(xué)肯尼迪學(xué)院信息監管科研項目負責人，哈佛國家電子商務(wù)研究中網(wǎng)絡(luò )監管項目負責人；曾任新加坡國立大學(xué)李光耀學(xué)院信息與創(chuàng )新策略研究中心主任。并擔任耶魯大學(xué)、芝加哥大學(xué)、弗吉尼亞大學(xué)、圣地亞哥大學(xué)、維也納大學(xué)的客座教授。他作為一個(gè)研究學(xué)者，他的學(xué)術(shù)成果斐然，有一百多篇論文公開(kāi)發(fā)表在《科學(xué)》《自然》等著(zhù)名學(xué)術(shù)期刊上，他同時(shí)也是哈佛大學(xué)出版社、麻省理工出版社、通信政策期刊、美國社會(huì )學(xué)期刊等多家出版機構的特約評論員。他是備受眾多世界知名企業(yè)信賴(lài)的信息權威與顧問(wèn)。他的咨詢(xún)客戶(hù)包括微軟、惠普和IBM等全球頂級企業(yè)；＂大數據＂在百度上搜索到的解釋是：稱(chēng)巨量資料，指的是所涉及的資料量規模巨大到無(wú)法透過(guò)目前主流軟件工具工具，在合理時(shí)間內達到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營(yíng)決策更積極目的的資訊。特點(diǎn)：數量、速度、品種、真實(shí)性。而舍恩伯格認為，大數據并不能定義一個(gè)確切的概念。他提到＂大數據是人們獲得新的認知，創(chuàng )造新的價(jià)值的源泉；大數據還是改變市場(chǎng)、組織機構，以及政府和公民關(guān)系的方法。＂這是一種更具有人文色彩和社會(huì )意義的詮釋。
大數據不僅改變了公共衛生領(lǐng)域，整個(gè)商業(yè)領(lǐng)域都因為大數據而重新洗牌。購買(mǎi)飛機票就是一個(gè)很好的例子。就像書(shū)中寫(xiě)到2003年，奧倫·埃齊奧尼準備乘坐從西雅圖到洛杉磯的飛機去參加弟弟的婚禮。他知道飛機票越早預訂越便宜，于是他在這個(gè)大喜日子來(lái)臨之前的幾個(gè)月，就在網(wǎng)上預訂了一張去洛杉磯的機票。在飛機上，埃齊奧尼好奇地問(wèn)鄰座的乘客花了多少錢(qián)購買(mǎi)機票。當得知雖然那個(gè)人的機票比他買(mǎi)得更晚，但是票價(jià)卻比他便宜得多時(shí)，他感到非常氣憤。于是，他又詢(xún)問(wèn)了另外幾個(gè)乘客，結果發(fā)現大家買(mǎi)的票居然都比他的.便宜。
飛機著(zhù)陸之后，埃齊奧尼下定決心要幫助人們開(kāi)發(fā)一個(gè)系統，用來(lái)推測當前網(wǎng)頁(yè)上的機票價(jià)格是否合理。作為一種商品，同一架飛機上每個(gè)座位的價(jià)格本來(lái)不應該有差別。但實(shí)際上，價(jià)格卻千差萬(wàn)別，其中緣由只有航空公司自己清楚。
埃齊奧尼表示，他不需要去解開(kāi)機票價(jià)格差異的奧秘。他要做的僅僅是預測當前的機票價(jià)格在未來(lái)一段時(shí)間內會(huì )上漲還是下降。這個(gè)想法是可行的，但操作起來(lái)并不是那么簡(jiǎn)單。這個(gè)系統需要分析所有特定航線(xiàn)機票的銷(xiāo)售價(jià)格并確定票價(jià)與提前購買(mǎi)天數的關(guān)系。
在信息時(shí)代，信息安全問(wèn)題的日趨凸顯，數據獨裁與隱私保護之間的矛盾更是立于風(fēng)口浪尖，成為眾矢之的，舍恩伯格在本書(shū)的最后章節曾試圖尋找一種解決方式來(lái)擺脫這一種困境，但最終沒(méi)能做到，但是他提出＂大數據并不是一個(gè)充斥著(zhù)算法的和機器的冰冷世界，人類(lèi)的作用仍無(wú)法被完全代替。＂這里表明人在數據時(shí)代同樣的重要，數據是為人類(lèi)服務(wù)的，也就該人類(lèi)驅使下完成相應的目的。在這樣的大環(huán)境下，常引起我更多的思考和擔憂(yōu)。
大數據時(shí)代對于我們同是機遇與挑戰，一些國家已開(kāi)始步入大數據時(shí)代的行列，并在各個(gè)領(lǐng)域開(kāi)始研究和使用。而對于我國龐大的人口，以及較大的領(lǐng)土面積，都可以在大數據時(shí)代為我們提供數據的保障，而能否面臨挑戰，在大國之間的新一輪角色角逐間嶄露頭角，我們更需要解決技術(shù)等方面的問(wèn)題，更應在政策上逐步開(kāi)放各領(lǐng)域的數據，保證數據來(lái)源、權限等問(wèn)題得到解決，不斷學(xué)習先進(jìn)的計算機技術(shù)，縮小與其他國家的差距。
大數據時(shí)代讀書(shū)心得體會(huì ) 篇10
“除了上帝，任何人都必須用數據來(lái)說(shuō)話(huà)�！薄@是《大數據》中出現的讓人印象深刻的一句話(huà)，也是全書(shū)力圖傳遞的信息。在數字信息時(shí)代，數據和空氣一樣遍布生活，對于有些人來(lái)說(shuō)，數據無(wú)意義，而對于有些人來(lái)說(shuō)，數據，即真相。
美國是《大數據》的主角，全書(shū)通過(guò)講述美國半個(gè)多世紀信息開(kāi)放、技術(shù)創(chuàng )新的歷史，以別開(kāi)生面的經(jīng)典案例——設“前所未有的開(kāi)放政府”的雄心、公共財政透明的曲折、《數據質(zhì)量法》背后的隱情、全民醫改法案的波瀾、統一身份證的百年糾結、街頭警察的創(chuàng )新傳奇、美國礦難的悲情歷史、商務(wù)智能的前世今生、數據開(kāi)放運動(dòng)的全球興起，以及云計算、Facebook和推特等社交媒體、Web3·0與下一代互聯(lián)網(wǎng)的未來(lái)圖景等等，為讀者一一細解數據創(chuàng )新給公民、政府、社會(huì )帶來(lái)的種種挑戰和變革。
透過(guò)全書(shū)，一個(gè)立體的美國及美國人民的思想呈現在我們面前——美國人民執著(zhù)于個(gè)人隱私的保護，卻又不遺余力地推動(dòng)著(zhù)政府信息的透明與公開(kāi)。
讀完此書(shū)，對生活中的數據及數據處理突然有了很大的'興趣。如果有一天，處處以數據說(shuō)話(huà)，那么，政治、制度、生活將更加清明，事故將降到最低點(diǎn)。
作為信息技術(shù)教師，是有必要閱讀此書(shū)的！有慧根的教師將能從書(shū)中挖掘出信息技術(shù)特有的文化以及能用于教學(xué)的鮮活案例。
每天能用來(lái)閱讀的時(shí)間很少，總是要等到夜深疲倦時(shí)才有空打開(kāi)書(shū)本，總是在眼睛極不舒服的情況下堅持閱讀，《大數據》就這樣在堅持中溶入我的思想……
大數據時(shí)代讀書(shū)心得體會(huì ) 篇11
未來(lái)的十年，將是大數據引領(lǐng)下的智慧科技時(shí)代。不管你是否意識到它的存在，大數據都將越來(lái)越快地改變我們這個(gè)時(shí)代，包括我們的生活方式。
維克托·邁爾-舍恩伯格是最早洞見(jiàn)大數據時(shí)代發(fā)展趨勢的數據科學(xué)家之一。他通過(guò)一個(gè)大家熟知的事例，來(lái)幫助我們理解“大數據”的潛在影響力，那就是四個(gè)世紀之前望遠鏡和顯微鏡的發(fā)明。望遠鏡能夠讓我們感受宇宙，顯微鏡能夠讓我們觀(guān)測微生物，它們都是收集海量數據的新工具，因為這種工具的發(fā)明，人們同步更新了分析數據的技術(shù)和方法，促進(jìn)了人們對世界更好的理解。如果說(shuō)望遠鏡和顯微鏡是測量領(lǐng)域中的一場(chǎng)革命，那么今天的數據測量就相當于是現代版的望遠鏡、顯微鏡。隨著(zhù)社交網(wǎng)絡(luò )的逐漸成熟，移動(dòng)帶寬迅速提升，云計算、物聯(lián)網(wǎng)應用更加豐富，以及更多的傳感設備、移動(dòng)終端接入到網(wǎng)絡(luò )，由此產(chǎn)生的數據及數據的增長(cháng)速度比歷史上的任何時(shí)期都要多、都要快。一個(gè)大數據的時(shí)代，不經(jīng)意間順理成章地翩然而至。
一、什么是大數據?
大數據是當前最熱門(mén)的話(huà)題之一。但什么是大數據，人們尚未給出確切的定義。首先，“大數據”是相對過(guò)去小的、局部性的數據而言的;其次，利用大數據進(jìn)行分析和工作時(shí)，所依據的關(guān)于此事盡可能完整的數據，從而“一覽眾山小”，而不是采用局部的小數據，從局部推斷整體。
維克托也并未直接給出大數據的定義。不過(guò)，他用三大轉變描述了大數據的特性：
轉變之一：在大數據時(shí)代，我們可以分析更多的數據，有時(shí)候甚至可以處理和某個(gè)特別現象相關(guān)的所有數據，而不再依賴(lài)于隨機采樣。例如一項針對相撲比賽中非法操縱比賽結果的研究對64000場(chǎng)比賽進(jìn)行了分析，這算不上一個(gè)很大的數字，但由于這是過(guò)去十年所有的比賽，所以它是大數據。
轉變之二：由于有了更多的數據，我們可以接受更多的混雜、更多數據上的不精確。如果我們對于一個(gè)事物只有50個(gè)數據點(diǎn)，那么每一個(gè)數據點(diǎn)都必須非常精確，因為每個(gè)數據點(diǎn)都是有用的;但是如果我們有5000萬(wàn)個(gè)，去掉10個(gè)，甚至去掉1000個(gè)都沒(méi)有太大的問(wèn)題。
轉變之三：不再探求難以捉摸的因果關(guān)系，轉而關(guān)注事物的相關(guān)關(guān)系。分析大數據主要為了預測未來(lái)“是什么”，而不是“為什么”。因為很多時(shí)候我們以為我們找到了事情背后的原因，實(shí)際上卻沒(méi)有找到。更多時(shí)候知道了“是什么”就足夠了。例如知道流感將會(huì )擴散到哪里就足夠了，我不需要知道為什么;知道什么時(shí)候在網(wǎng)上購買(mǎi)機票能夠獲得最優(yōu)惠的價(jià)格就足夠了，我不需要知道為什么此時(shí)價(jià)格最低。
二、大數據帶來(lái)的變化
大數據從根本上改變我們認識世界和改變世界的方式。很多傳統的習慣將被顛覆，很多舊的制度將面臨挑戰。舉例來(lái)說(shuō)：
第一，科學(xué)探究的思路和方式受到挑戰
探究是新課程改革中的一個(gè)熱詞，是促進(jìn)學(xué)校教學(xué)與科學(xué)研究相融合的實(shí)踐舉措�？茖W(xué)探究的基本路徑是：發(fā)現問(wèn)題，提出假設，制定方案，實(shí)踐探究，分析數據，得出結論。之所以會(huì )梳理出這樣一個(gè)探究的路徑，與我們對問(wèn)題知曉的信息過(guò)少有關(guān)。換句話(huà)說(shuō)，對所要研究的事物，我們知道的數據很少，需要從這些很小的數據出發(fā)，通過(guò)猜想和假設，進(jìn)行試探性的研究，如果研究得出的結果和自己的假想是一致的，則說(shuō)明我們的假說(shuō)是正確的，這些假說(shuō)會(huì )上升為對該事物描述的知識，我們掌握該事物的數據也隨之增加。
利用測量所獲得的點(diǎn)滴數據，從一個(gè)局部來(lái)推測世界是怎樣的，這是科學(xué)探究的基本思路和方式。長(cháng)期以來(lái)，我們總是通過(guò)這樣的方式來(lái)認識世界，對其有宗教般的信仰。盡管我們知道，決策者總是先有了想法，才會(huì )提出假設。如果決策者自身對所研究的事情存在著(zhù)偏見(jiàn)，所提出的假設就很難得到實(shí)證的支持，這往往會(huì )導致探究花費了很長(cháng)的時(shí)間、很大的物力和財力，也常常勞而無(wú)功。但科學(xué)研究者還是堅定不移地沿著(zhù)這條道路前行，學(xué)校在教學(xué)中也將其作為科學(xué)研究的基本規范來(lái)傳授。
在大數據時(shí)代，這樣的研究方式收到了極大的挑戰。先舉個(gè)事例來(lái)說(shuō)吧。手機輻射是否能夠致癌?關(guān)于這個(gè)問(wèn)題，無(wú)論我們的假設如何，實(shí)驗的設計都很難進(jìn)行。首先，樣本選擇過(guò)少，沒(méi)有統計學(xué)上的意義;其次，不能拿人做研究對象;第三，短時(shí)間的研究很難觀(guān)察到變化。有了大數據之后，這樣的難題就可以迎刃而解了。前段時(shí)間，丹麥就進(jìn)行了這樣的研究。丹麥擁有1985年手機推出以來(lái)所有手機用戶(hù)的數據庫。他們從這個(gè)數據庫中分析了1990年至2007年擁有手機的所用用戶(hù)的數據，同時(shí)，他們還收集了這一期間醫院收集的所有癌癥患者的數據，然后分析手機用戶(hù)是否比非手機用戶(hù)有更高的癌癥發(fā)病率。這兩個(gè)數據庫本身是完全獨立的，在作分析之前從來(lái)沒(méi)有想過(guò)可以做這樣的研究。結果表明，使用移動(dòng)用戶(hù)和癌癥風(fēng)險增加之間不存在任何關(guān)系。2011年10月，這一研究的結果發(fā)表在《英國醫學(xué)雜志》上。
上述的案例告訴我們，在獲得了大量的數據，能夠對事物的整體進(jìn)行全面的認識之后，假想就沒(méi)有意義了，我們可以直接根據全面的數據做出結論。
第二，傳統的`思維習慣受到挑戰
因果關(guān)系思維，是人們生活中最為普遍的一種思維方式。既是看上去沒(méi)有關(guān)系的事情，人們也總是從因果的角度去理解他。比如說(shuō)，1885年7月6日，巴斯德接診了一個(gè)被帶有狂犬病毒的狗咬傷的孩子，他把自己剛研制出來(lái)的狂犬疫苗給孩子注射，結果孩子活下來(lái)了。巴斯德的這一舉措，使得狂犬疫苗和孩子的生存之間建立起了一個(gè)因果關(guān)系。但事實(shí)上，人被狂犬病狗咬傷后換上狂犬病的概率是只有七分之一，就算沒(méi)有狂犬疫苗，這個(gè)孩子活下來(lái)的幾率還是有85%。
在哲學(xué)界，關(guān)于因果關(guān)系的爭論已經(jīng)持續了幾個(gè)世紀。爭論的焦點(diǎn)在于：如果因果關(guān)系是普遍存在的，每一個(gè)果都有一個(gè)因和他相對應，世界上的所有事情都有因果的話(huà)，我們就沒(méi)有決定任何事情的自由了。盡管哲學(xué)領(lǐng)域的爭論很熱烈，但并不耽誤人們在日常生活中通過(guò)因果關(guān)系來(lái)思考問(wèn)題。不僅如此，由于掌握的數據過(guò)少，人們還容易從線(xiàn)性關(guān)系的角度找尋事物之間的因果關(guān)系。在物理學(xué)中，有一種處理數據的方式之一就是“化曲為直”，設法找到兩個(gè)變量之間的線(xiàn)性因果關(guān)系，從而進(jìn)行定量的描述。事實(shí)上，由于很多事情之間的關(guān)系是很復雜的，簡(jiǎn)單的線(xiàn)性處理容易導致人們對事物本質(zhì)屬性的誤解。
在大數據時(shí)代，相關(guān)關(guān)系比因果關(guān)系重要。2009年甲型H1N1流感發(fā)生之后，美國的衛生系統極力想從因果關(guān)系上來(lái)找到流感的源頭，但信息反饋的速度太慢，讓專(zhuān)家們束手無(wú)策。谷歌公司做出了快速反應，把5000萬(wàn)條美國人最頻繁檢索的詞條和美國疾控中心在2003年至2008年間季節性流感傳播時(shí)期的數據進(jìn)行比較，研究特定檢索詞條的頻繁使用與流感在時(shí)間和空間上的傳播之間的聯(lián)系，很快就確定了流感是從哪個(gè)地方傳播出來(lái)的。谷歌采取的就是相關(guān)關(guān)系分析的方法，而不是因果關(guān)系分析的方法。這是大數據時(shí)代，對數據進(jìn)行處理的一種典型方法。
第三，數據化比數字化更加重要
數字化是將模擬數據轉化成0和1的二進(jìn)制碼，以便電腦進(jìn)行數據處理的過(guò)程。過(guò)去的很長(cháng)時(shí)間，我們所做的事情，就是對文本進(jìn)行數字化。很多書(shū)籍包括教材，通過(guò)PDF等格式，變成了數字形態(tài)的資料，存入了電腦或者網(wǎng)路之中。
但是，這些數字化的資料要查詢(xún)起來(lái)并不方便。首先你要知道所需的資料在那本書(shū)中，其次你還要仔細地去翻閱這些數字化的資源，以便找到你所需要的信息。這和到書(shū)本里去找沒(méi)有本質(zhì)的區別。
如果這些數字文本能夠被數據化，文本中的字、詞和段落能夠一一被識別，利用搜索殷勤加以檢索就會(huì )方便很多。所謂數據化就是將一種現象轉化為可以制表分析的可量化的過(guò)程，量化，是數據化的核心。信息只能被數據化，其巨大的潛在價(jià)值才有可能被釋放出來(lái)。
數字化帶來(lái)了數據化，但數字化不能替代數據化。今天，很多學(xué)校都在進(jìn)行“電子書(shū)包”的課程教學(xué)實(shí)踐，但有不少實(shí)踐者認為，所為電子書(shū)包，就是將紙質(zhì)的課本和教輔資料數字化，裝入電腦中讓學(xué)生上課中使用，這其實(shí)是對電子書(shū)包最大的誤解。電子書(shū)包的核心在于數據化，要通過(guò)對學(xué)生學(xué)習過(guò)程所記錄的大數據分析，把握學(xué)生的個(gè)性化學(xué)習特征，以便給予更有針對性的指導。
三、需要關(guān)注的一些問(wèn)題
從教育的角度看，大數據時(shí)代的來(lái)臨，對教育的變革將帶來(lái)巨大的影響。
首先是教育內容要進(jìn)行革新。大數據使得傳統的因果思維方式、科學(xué)研究方式不再是生活、工作起主導地位的方式，這必然要求我們在教學(xué)中要將這些變化和學(xué)生講清楚，以便他們能夠在今后走上社會(huì )的時(shí)候有足夠的能力迎接挑戰。
其次是教學(xué)方式要進(jìn)行革新。過(guò)去的教學(xué)，因為沒(méi)有大量數據的支撐，該教什么全憑教師自己跟著(zhù)感覺(jué)走。今天，我們可以將教師的教學(xué)視頻掛在晚上，通過(guò)深度分析學(xué)生在觀(guān)看視頻的過(guò)程中在哪些地方停頓或者重放的頻次比較高，來(lái)找出學(xué)生不明確或者課程吸引人的地方，幫助教師改進(jìn)教學(xué)、確定教學(xué)重點(diǎn)。這必然導致教師教學(xué)方式的變革。
第三是學(xué)習路徑會(huì )發(fā)生變化。在過(guò)去，如果你想成為一個(gè)優(yōu)秀的生物學(xué)家，一定要認識很多生物學(xué)家。今天，要解決一個(gè)生物難題，可能與天體物理學(xué)家或者數據視圖設計師聯(lián)系就可以實(shí)現。
第四是要防止對數據的癡迷。一方面，我們要研究學(xué)校長(cháng)期以來(lái)儲存下來(lái)的大量數據，同時(shí)積累學(xué)校每天的教育數據，為進(jìn)入大數據時(shí)代做好充分的思想準備;另一方面，要喚醒學(xué)校里沉睡的數據，讓其在學(xué)校管理和教師教學(xué)中發(fā)揮更大的作用;再一方面，也要防止出現另一個(gè)極端，那就是對數據的癡迷。能僅僅為了收集數據而收集數據，要讓數據在如何全面反映一個(gè)學(xué)生的能力、全面反映教師的教育質(zhì)量等方面做出實(shí)踐和探索。
大數據時(shí)代讀書(shū)心得體會(huì ) 篇12
讀完這本書(shū)并不是一氣呵成的，第一次讀到大約五分之一的時(shí)候就放下了，第二次重新開(kāi)始讀，讀到三分之二的時(shí)候又想放棄，可是想了想，還是堅持了下來(lái)，不為別的，看到三分之二的時(shí)候基本明白了書(shū)中要講的主要內容，而這內容并不是我想從書(shū)中獲知的，或者說(shuō)，書(shū)中內容與我期待相去甚遠。而之所以能硬著(zhù)頭皮讀完，完全是出于想著(zhù)事后跟朋友評論這本書(shū)的時(shí)候更有資格而已，畢竟，沒(méi)有看完一本書(shū)而去評論它總是有失公正的。
大數據時(shí)代這本書(shū)按我自己的理解主要講了四個(gè)方面的內容，一是講什么是大數據，舉了很多例子說(shuō)明我們已經(jīng)進(jìn)入大數據時(shí)代了。二是講大數據的意義，文中大量舉例，論證大數據對人類(lèi)發(fā)展的積極意義。三是講大數據若是用得不當所產(chǎn)生的消極影響。四是提醒我們如何避免大數據的消極作用，發(fā)揮它的優(yōu)勢造福人類(lèi)。記得高中學(xué)政治的時(shí)候，有一條回答問(wèn)題的黃金法則，當要解決一個(gè)問(wèn)題的時(shí)候得從三方面回答，那就是：是什么，為什么，怎么樣；也就是先解釋事務(wù)的定義，再說(shuō)解決問(wèn)題方法，最后闡明這個(gè)事務(wù)的'積極作用和消極作用。而大數據時(shí)代只說(shuō)明了兩個(gè)問(wèn)題，那就是，"是什么”，以及“為什么”。也許這本身就不是一本工具書(shū)。大數據時(shí)代，這個(gè)名字取的是夠大氣，內容卻不敢恭維。這本書(shū)在網(wǎng)上炒的也很火，受很多人追捧，不知道看完之后是不是跟我一樣，感覺(jué)看與不看似乎影響不大。
跟老公談?wù)撨^(guò)這本書(shū)，剛開(kāi)始我在京東上買(mǎi)它的時(shí)候很激動(dòng)得對老公說(shuō)，看完這本書(shū)我會(huì )更了解現在互聯(lián)網(wǎng)思維，對工作有幫助，而等我讀完，一點(diǎn)這樣的感覺(jué)都沒(méi)有了。老公也很形象描述了這本書(shū)，它就像美食節目《舌尖上的中國》一樣，告訴你哪里有好吃的，但是不告訴你怎么做。我覺(jué)得這個(gè)比喻很形象，真是要人命了，看著(zhù)一道道美食而不得，只能拿起身邊的薯條可樂(lè )解解饞的痛苦就是如此。
大數據時(shí)代讀書(shū)心得體會(huì ) 篇13
這么多年來(lái)，看了很多東西，如今回過(guò)頭來(lái)發(fā)現，好像什么都忘了，真是悲劇，所謂讀書(shū)破萬(wàn)卷，下筆如有神或許是不對的，還是需要下筆勤快，所以決定從這里開(kāi)始。
這些年對于技術(shù)的發(fā)展，我是沒(méi)有跟上，如今發(fā)現即便是對于投資，技術(shù)對于我們生活的改變太大，而自己身在這個(gè)技術(shù)浪潮的前沿，還是需要跟上步伐�！把�
大數據這個(gè)概念已經(jīng)提了很久，我也一直疏忽了對于它的理解�？赐辍洞髷祿䲡r(shí)代》，再結合如果工作上對于大數據的理解，頓時(shí)發(fā)現數據的重要性，以前在這方面的確沒(méi)有足夠的思想意識。
整本書(shū)來(lái)說(shuō)，我覺(jué)得最關(guān)鍵的三個(gè)點(diǎn)是前面幾個(gè)章節：
1、要總體，不要隨機樣本：從小對于統計學(xué)相關(guān)的學(xué)習，基本都是從樣本出發(fā)，理論的基礎在于如何隨機的足夠分散的選取樣本，這可是技術(shù)活加直覺(jué)。而對于大數據來(lái)說(shuō)，要的就是總體，本質(zhì)上來(lái)說(shuō)，總體樣本的確更能準確找到結果。但是對于統計來(lái)說(shuō)，總體的分析增加了數據分析的難度，不僅數據核對不好進(jìn)行，一旦出現數據污染，準確度就會(huì )大打折扣，而且進(jìn)行數據回溯的`時(shí)候，也無(wú)法準確確認問(wèn)題，而這一點(diǎn)也是后面相關(guān)性上問(wèn)題；
2、要混亂，而不是精確：這里主要想說(shuō)明的是希望數據的多樣性，盡量將相關(guān)數據都收集起來(lái)，不管是結構化的還是非結構化的。這樣就不可避免的最終結果的不準確性。大數據更多的是從一個(gè)總體數據中說(shuō)明以后概率事件，既然是概率，也就可以理解無(wú)法精確。這里有個(gè)點(diǎn)的說(shuō)明，我覺(jué)得需要提一下，大數據算法更傾向于“簡(jiǎn)單”，而不是復雜，這個(gè)倒是出乎我的意外。
3、要相關(guān)性，而不是因果：從我對于知識獲取的過(guò)程來(lái)說(shuō)，我是不同意這個(gè)觀(guān)點(diǎn)，從人體對于知識的理解，還是要從因果論出發(fā)，沒(méi)有因果論，就會(huì )變成瞎子。而作者的觀(guān)點(diǎn)上來(lái)說(shuō)，原因可能還是從大數據本身的非準確性，一旦找到合適的算法，找到相關(guān)性，向上追述原因本身就很難。但是從舉的示例上看，相關(guān)性的確認是一個(gè)非常大的工程，基本就是使用排舉法，一個(gè)一個(gè)試。
所以，對于大數據來(lái)說(shuō)，最重要的三點(diǎn)是：
1、數據——得到更多數據；
2、算法——建立更快的算法體系；
3、思維——尋找數據間更多的相關(guān)性。
對于數據最終的走向，我同意書(shū)中所提到的政府管理的觀(guān)點(diǎn)，既然都是以“石油”的標準來(lái)看待數據，政府統一管理也就是必然的了。而且對于政府來(lái)說(shuō)，掌握更多數據也有利于其管理及維護社會(huì )的穩定性。而對于社會(huì )道德方面的論述，我不想多說(shuō)什么，時(shí)代發(fā)展是不會(huì )被道德綁架的。
所以最后，想要建立對于大數據的思維，《大數據時(shí)代》還是值得一讀，里面的很多示例也非常不錯。如人際關(guān)系這一塊，也是出乎我的意料。
大數據時(shí)代讀書(shū)心得體會(huì ) 篇14
我們生活在一個(gè)“概念”紛飛的年代，先前只有IBM熟諳的招數，如今已經(jīng)“飛入平常百姓家”�！耙苿�(dòng)互聯(lián)網(wǎng)”、“云計算”的概念剛剛消停，業(yè)界的專(zhuān)家又送來(lái)了“大數據”的概念，一時(shí)間似乎人人都變成了“大數據”專(zhuān)家，見(jiàn)面要是不提“大數據”都不好意思跟人打招呼！
玩笑歸玩笑，當我們的存儲能力、計算能力和網(wǎng)絡(luò )帶寬變得充裕之后，我們先前對待數據，尤其是原始數據的態(tài)度和思維方式，將面臨著(zhù)很大的改變！
其實(shí)，作者的主要觀(guān)點(diǎn)，已經(jīng)在翻譯者的譯者序中進(jìn)行了總結：“大數據時(shí)代處理數據理念上的三大轉變：要全體不要抽樣，要效率不要絕對精確，要相關(guān)不要因果”。
如作者所言，“采樣分析是信息缺乏時(shí)代和信息流通受限制的模擬數據時(shí)代的產(chǎn)物”。如果可以，我們當然會(huì )使用“全體數據”而不是“抽樣數據”。讀到這里，我估計大學(xué)里正在絞盡腦汁設計樣本抽樣方法的學(xué)生、教授們，連哭的心都有！
數據分析的及時(shí)性，在很多情況下比精確性更加重要，尤其是在商業(yè)領(lǐng)域。想想看，如果需要兩周時(shí)間才能計算出明天某個(gè)航班的滿(mǎn)座率，那還有什么意義？大數據計算技術(shù)，適用的不是像衛星發(fā)射、開(kāi)具銀行賬戶(hù)這樣的工作，而是不要求極端精確的情況，其核心是“預測趨勢”，況且原始數據也可能出現差錯。
過(guò)往千年，探究因果關(guān)系幾乎是所有科學(xué)研究的原動(dòng)力。甚至，這已經(jīng)通過(guò)語(yǔ)言，融入我們的.思維方式和哲學(xué)思想：“因為……所以……”，凡事都要問(wèn)“為什么”。但是，在大數據的范疇里，關(guān)注的卻是相關(guān)性，而不是因果關(guān)系，或者其次才是因果關(guān)系。超市只用關(guān)心把啤酒和尿不濕放在一起，會(huì )幫助提高銷(xiāo)售額，而不用關(guān)心其中的奧秘。如果說(shuō)原因，可能很多都是人們的習慣、方便，甚至是人性，例如奶爸們習慣買(mǎi)尿不濕的時(shí)候給自己捎上幾罐啤酒。
在此，也有一些自己的思考：如果說(shuō)搜索引擎所解決的問(wèn)題表面上是幫助用戶(hù)找到需要的信息，而實(shí)質(zhì)是幫助企業(yè)找到擁有某項需求的客戶(hù)，深層次講是解決了《第三次浪潮》中提出的消費者和生產(chǎn)者分離的根本矛盾，如果再加上3D打印技術(shù)，就可以完成由消費者主導的“個(gè)性化”生產(chǎn)過(guò)程；而大數據所解決的是，通過(guò)對所有用戶(hù)的數據進(jìn)行分析，可以預測用戶(hù)群整體的需求變化趨勢，從而完成批量產(chǎn)品生產(chǎn)、銷(xiāo)售的調整問(wèn)題，其奇妙之處就在于無(wú)需用戶(hù)“開(kāi)口”說(shuō)出她想要什么？一個(gè)解決的“個(gè)體需求”，一個(gè)解決的是“群體需求”。
本書(shū)除了提出上述三項基本觀(guān)點(diǎn)，其它的內容大多是舉例說(shuō)明，多少有些空泛。但是，其實(shí)大數據時(shí)代才剛剛開(kāi)始，對大數據的應用也只是停留在比較淺的層面上，作者能提出這三項基本觀(guān)點(diǎn)已屬難能可貴！
大數據時(shí)代讀書(shū)心得體會(huì ) 篇15
大數據這個(gè)詞一直存在但我們很少在這個(gè)時(shí)代前能有所耳聞，在我讀了維克托寫(xiě)的大數據之后，我明白了在更早的年代之所以不流行這個(gè)詞是因為人們喜歡感性的思考而不是拿數據理性的分析。究其原因，一方面是數據量小，另一方面是人們的思想落后。然而隨著(zhù)信息時(shí)代的到來(lái)和云技術(shù)的發(fā)展，大數據逐漸成為一個(gè)可靠的參考標準，以及大數據在諸多領(lǐng)域做出的貢獻足以證明他在這個(gè)時(shí)代的重要地位。
維克托在書(shū)中例舉了大量有關(guān)美國在這半個(gè)世紀信息開(kāi)發(fā)技術(shù)創(chuàng )新的典型案例，從側面向我們闡述了大數據在諸多領(lǐng)域的不同作用，例舉其在醫學(xué)方面的作用，在不久之前，你也許可能還會(huì )聽(tīng)到兩個(gè)醫生對于一個(gè)醫學(xué)問(wèn)題爭論的喋喋不休，……公說(shuō)公有理婆說(shuō)婆有理……，但怎么說(shuō)都是建立在“我認為”的主觀(guān)臆斷之上，幸運地是，大數據的出現給幫助醫生在問(wèn)題上給予一個(gè)正確的指向，通過(guò)云端和千千萬(wàn)萬(wàn)的數據，可以更清楚還原問(wèn)題的直觀(guān)事實(shí)。
這樣的`例子在生活中也數不勝數，其力量存在于人們無(wú)形的生活中，卻有形的幫助人們解決了在經(jīng)濟，科學(xué)，人文方面的各種問(wèn)題，通過(guò)整合混沌的信息，分析加工我們就能很好的了解自己所處的世界并駕馭在時(shí)代的前沿。
大數據時(shí)代讀書(shū)心得體會(huì ) 篇16
我主要讀了第一部分和第三部分。
第一部分是大數據的思維變革，作者舍恩伯格提出了三個(gè)觀(guān)點(diǎn)，一是＂不是隨機樣本，而是全體數據＂，二是＂不是精確性，而是混雜性＂，三是＂不是因果關(guān)系，而是相關(guān)關(guān)系＂，作者被譽(yù)為＂大數據時(shí)代的預言家＂，拋出的觀(guān)點(diǎn)是擲地有聲的，下面我將談?wù)勎覍@三點(diǎn)的理解。
對于一，我們必須承認我們以往做的處理抽樣數據得到結果的方法，是省時(shí)省力省錢(qián)的，而且判斷結果是相對高精準的，如人口普查這一案例，如果采用全體數據進(jìn)行統計分析的話(huà)，工作難度是相當大的，最后的結果也不會(huì )很滿(mǎn)意，這是得不償失的。但是隨著(zhù)數據處理技術(shù)的飛速發(fā)展，我們已經(jīng)具備了處理大量數據的能力，如果在數據分析過(guò)程中采用全體數據，就能避免抽樣數據可能由于選取偏見(jiàn)帶來(lái)的非隨機性，處理全體數據也必將成為一種趨勢。用在國防生管理工作中，就是管理層要對每個(gè)個(gè)體都給予充分的關(guān)心與互動(dòng)，對于優(yōu)秀的固然要偏愛(ài)，但是對于較差的也要保持＂不拋棄不放棄＂的態(tài)度，讓每一個(gè)個(gè)體都找到自己的定位與價(jià)值。
對于二，作者強調通過(guò)掌握更多的數據，暫時(shí)犧牲精確性，關(guān)注更多容易被忽略的細節，來(lái)做更多的事，得到更多的結果，也就是說(shuō)我們要有一定的包容錯誤的能力。我們在收集數據時(shí)，要主動(dòng)獲取更多的數據，少加一些限制性條件，然后應用我們處理大數據的能力，或許會(huì )獲得意想不到的結果。作者舉了一個(gè)谷歌翻譯系統的例子，通過(guò)英語(yǔ)作為中轉，進(jìn)行各語(yǔ)言之間的轉換。此處的啟發(fā)就是用我們最擅長(cháng)的途徑，不拘泥于特定規則，來(lái)達到我們的目的，也就是說(shuō)我們要先認清自己，不去刻意的模仿，找出最適合自己的一套方法。
對于三，作者指出知道＂是什么＂就夠了，沒(méi)必要知道＂為什么＂，乍一看這個(gè)觀(guān)點(diǎn)覺(jué)得有點(diǎn)無(wú)腦，但是結合第二點(diǎn)就合理了，降低對精確性及原因結果的要求，通過(guò)對相關(guān)數據的廣泛分析，進(jìn)而得到更豐富更多元的結果。如購物時(shí)，系統的購物推薦，并不是肯定你會(huì )購買(mǎi)，僅僅是你感興趣進(jìn)而可能會(huì )買(mǎi)就足夠了。其實(shí)作者對＂相關(guān)關(guān)系＂的強調，主要是大數據強大的預測能力，而且這種預測性能還是相當精確的'。以上只是我用作者的觀(guān)點(diǎn)佐證他自己的觀(guān)點(diǎn)，證明其一定的合理性，但是我是不完全認同的，在航天領(lǐng)域，我們對成功率的要求是極高的，尤其是載人航天領(lǐng)域，我們必須做到萬(wàn)無(wú)一失，我們對每一個(gè)結果都會(huì )深究其根，找出原因。對于國防生體能成績(jì)的分析也是如此，結果只是我們的一個(gè)評價(jià)機制，而最重要的還是產(chǎn)生這一結果的原因及過(guò)程。
第三部分是大數據的管理變革，本來(lái)以為作者會(huì )講點(diǎn)如何通過(guò)大數據來(lái)改革管理機制和提高管理效率，沒(méi)想到作者只是講了大數據其實(shí)就是我們的隱私的暴露，提出了要讓數據采集管理公司對數據的使用負起責任的解決途徑。個(gè)人感覺(jué)，一是我們在平時(shí)要意識到個(gè)人隱私的保護，而是相關(guān)法律政策的完善，真正的讓大數據服務(wù)我們的工作生活，而不是一種變相的威脅。
大數據時(shí)代讀書(shū)心得體會(huì ) 篇17
讀完《大數據時(shí)代》這本書(shū)后，我意識到：我們即將或正在迎接由書(shū)面到電子的跳躍之后的又一重大變革。
這本書(shū)介紹了大數據時(shí)代來(lái)臨后，接踵而至的三項變革——商業(yè)變革、管理變革和思維變革。
其實(shí)，這場(chǎng)變革已經(jīng)打響。商業(yè)領(lǐng)域由于大數據時(shí)代的到來(lái)而推陳出新。前幾年，一家名為Farecast的公司，讓預訂到更優(yōu)惠的機票價(jià)格不再是夢(mèng)想。公司利用航班售票的數據來(lái)預測未來(lái)機票價(jià)格的走勢�，F在，使用這種工具的乘客，平均每張機票可以省大約50美元，這就是大數據給人們帶來(lái)的便利。
大家應該都知道2009年出現的H1N1型流感，就拿美國為例，疾控中心每周只進(jìn)行一次數據統計，而病人一般都是難以忍受病痛的折磨才會(huì )去醫院就診，因此也導致了信息的滯后。然而，對于飛速傳播的疾病，Google公司卻能及時(shí)地作出判斷，確定流感爆發(fā)的地點(diǎn)，這便是基于龐大的數據資源，可見(jiàn)大數據時(shí)代對公共衛生也產(chǎn)生了重大的影響！
在我看來(lái)，如果想在在大數據時(shí)代里暢游，不僅要學(xué)會(huì )分析，而且還要能夠大膽地決斷。
在美國，每到七、八月份時(shí)，正是臺風(fēng)肆虐之時(shí)，防澇用品也擺上了商品貨架。沃爾瑪公司注意到，每到這時(shí)，一種蛋撻的銷(xiāo)售量較其他月份明顯增加。于是，商家作了大膽的推測，出現這樣的結果源于兩種物品的.相關(guān)性，便將這種蛋撻擺在了防澇用品的旁邊。這樣的舉措大大增加了利潤，這就是屬于世界頭號零售商的大數據頭腦！
大數據時(shí)代的到來(lái)，可以讓我們的生活更加便利。但是，如果讓大數據主宰一切，也存在一定的風(fēng)險。
大家應該都知道電子地圖，它可以為人們指引方向。但大家應該還不知道，它會(huì )默默地積累人們的行程數據，通過(guò)智能分析可以推斷出哪里是自己的家，哪里是工作單位。我們的隱私就這樣被不為人知地收集著(zhù)。
大數據時(shí)代的到來(lái)，讓我們的生活更安全，更方便，但與此同時(shí)，我們的隱私不再是隱私，數據的收集變得無(wú)所不包、無(wú)孔不入。世界已經(jīng)向大數據時(shí)代邁進(jìn)了一小步，一個(gè)嶄新的時(shí)代正向我們走來(lái)。讓我們用知識武裝大腦，做好準備，迎接新時(shí)代的到來(lái)！
大數據時(shí)代讀書(shū)心得體會(huì ) 篇18
知道＂是什么＂就夠了，沒(méi)必要知道＂為什么＂。在大數據時(shí)代，我們不必非得知道現象背后的原因，而是讓數據自己＂發(fā)聲＂。這個(gè)命題是我讀這本書(shū)最大的感觸。
對于大多數人來(lái)說(shuō)，這的確是一場(chǎng)思維變革。對于理科學(xué)生來(lái)說(shuō)，會(huì )認為這是一個(gè)錯誤的觀(guān)點(diǎn)，因為這無(wú)異于否定了他們對世界客觀(guān)物理化學(xué)規律探索的重要性；對于一名工科學(xué)生，其實(shí)這并不是一個(gè)多么新穎的觀(guān)點(diǎn)，因為工科是講求時(shí)用性的，如何能更好地利用基本自然科學(xué)規律創(chuàng )造社會(huì )財富比探索自然科學(xué)知識顯得更重要。
這些天來(lái)，在讀大數據這本書(shū)的同時(shí)，也稍微重溫了一下自動(dòng)控制原理，認識到控制系統中存在明顯的大數據時(shí)代思維方式，借讀書(shū)交流會(huì )之際，與大家分享。
對系統的有效控制需要對系統理解與建模。以一個(gè)日常生活中的例子說(shuō)明。開(kāi)車(chē)的時(shí)候一腳油門(mén)下去車(chē)就飛出去了，但并不知道這一腳油門(mén)下去能給多大車(chē)速，這就需要駕駛人員的熟練的駕駛技能了，不然超速被開(kāi)罰單是很正常的。那么，問(wèn)題就來(lái)了：如何能實(shí)現速度的自動(dòng)控制而不用駕駛人員踩油門(mén)？這就是控制系統最關(guān)鍵的環(huán)節——建立系統數學(xué)模型。大白話(huà)就是知道車(chē)速與燃油量的數學(xué)關(guān)系式。若是以探索為什么的思維模式，不可避免的要列一大堆能量方程、動(dòng)量方程等物理化學(xué)式子，經(jīng)過(guò)繁雜的計算，還是能得到車(chē)速和燃油量的數學(xué)關(guān)系式的。很明顯這是一個(gè)繁瑣的過(guò)程，因為得知道現象背后的'原因。這僅是對于這種簡(jiǎn)單的系統，若是對于航空發(fā)動(dòng)機這種復雜的系統，結構工藝過(guò)于復雜，分析各部分的物理化學(xué)過(guò)程是十分困難的，這時(shí)候可以通過(guò)實(shí)驗法得到數學(xué)模型。
實(shí)驗法主要有時(shí)域測定法、頻域測定法和統計相關(guān)法。與大數據時(shí)代思維最接近的是統計相關(guān)法，主要過(guò)程是對被研究對象施加某種隨機信號，根據被測對象各參數的變化，采用統計相關(guān)法確定被測系統或對象的動(dòng)態(tài)特性。這種方法可以在被測系統或生產(chǎn)過(guò)程正常運行狀態(tài)下進(jìn)行在線(xiàn)辨識，測試結果精度較高，但要求采集大量測試數據，并需要相關(guān)儀和計算機進(jìn)行數據計算和處理。
若用開(kāi)車(chē)實(shí)例來(lái)解釋?zhuān)藭r(shí)的系統為汽車(chē)動(dòng)力系統，施加的隨機信號為燃油量，被測對象指車(chē)轉速，得到的動(dòng)態(tài)特性就是指車(chē)速與燃油量函數關(guān)系式，從而不用探求背后的物理化學(xué)規律就得到了數學(xué)模型。
在沈陽(yáng)黎明航空公司實(shí)習時(shí)去過(guò)試車(chē)間，除了發(fā)動(dòng)機點(diǎn)火后震撼的場(chǎng)景動(dòng)人心魄，控制室屏幕上海量的數據也同樣引人注目，我想這么多數據無(wú)非就是驗證數學(xué)模型或直接實(shí)驗法得到數學(xué)模型，結合航空發(fā)動(dòng)機這種復雜的系統，對于搞控制的人來(lái)說(shuō)，得到數學(xué)模型就夠了，現象背后的原因交給研發(fā)的人來(lái)探索更好。
大數據時(shí)代讀書(shū)心得體會(huì ) 篇19
書(shū)名中的時(shí)代二字讓我陷入了深深的誤區，big data就只是大數據而已。讀完全書(shū)，也沒(méi)有發(fā)現作者有說(shuō)大數據會(huì )引領(lǐng)一個(gè)時(shí)代的觀(guān)點(diǎn)，我們知道當今是一個(gè)數字化、信息化的時(shí)代，但絕不還是大數據的時(shí)代。但大數據的重要性不嚴而喻，生活、工作、學(xué)習中許多有關(guān)大數據的例子的確離我們很近，我們甚至就是眾多大數據的一部分。那大數據對我這樣一名工科大學(xué)生有什么用，對于我這一名國防生又什么用呢，這樣的一本書(shū)是否能夠更好的幫助我在未來(lái)的工作崗位上博得頭籌，取得一番成績(jì)！還有為了接觸、利用大數據并防范大數據所帶來(lái)的弊病，我又該怎么做呢？書(shū)中有這樣一句話(huà)：大數據是一種資源，也是一種工具。大數據為我們提供暫時(shí)的幫助，以便等待更好的方法和答案出現。這也提醒我們在使用這個(gè)工具的時(shí)候，應當懷有謙恭之心，銘記人性之本。
所說(shuō)的謙恭之心和人性之本都強調了人在大數據時(shí)代的重要性。我們才是數據之源，我們才應是數據的受益者。當我還沒(méi)讀完思維變革這一部分的時(shí)候，我就在思考這樣的思維變革對我會(huì )有著(zhù)怎樣的影響？參加過(guò)兩次數學(xué)建模競賽的我，在兩次的參賽過(guò)程中，學(xué)會(huì )了許多數據處理和數學(xué)建模方法。數學(xué)模型所具有的對事件或數據的描述性、預測性、說(shuō)明性是與大數據完全不同的。大數據下的思維變革不再追求數據的準確性和因果關(guān)系。如果我在數學(xué)建模提出一種產(chǎn)生某個(gè)結果的原因，我是需要明明白白地把其他因素的影響一一剔除。我記得在參加比賽最后關(guān)頭寫(xiě)論文的時(shí)候，對于所研究的問(wèn)題，我們必須在前面把各種變量給寫(xiě)進(jìn)去，然后再有選擇性的在可接受的條件下忽略掉很多變量的影響，但我們在很多時(shí)候卻給不出一個(gè)剔除這個(gè)因素的理由�？扇绻悴荒芘懦羝渌囊蛩氐挠绊�，整個(gè)的數學(xué)模型建立及計算過(guò)程就會(huì )太復雜甚至是不能得出一個(gè)結果。但是在大數據時(shí)代，一個(gè)結論是可以通過(guò)足夠多的數據得出來(lái)的，不需要明白其中的為什么。如果真是這樣，我只覺(jué)得我需要思維上的變革，可我做不到，我接受不了事物與事物之間的黑盒子。這離我太遙遠。
可我又不敢在此時(shí)否認自己將來(lái)的工作與大數據的相關(guān)性，書(shū)中第三部分——大數據時(shí)代的管理變革中就舉到一個(gè)羅伯特。麥克納馬拉的例子，他是五角大樓＂統計控制隊＂中一名精英，這個(gè)隊伍讓之前不知道飛機備用零件種類(lèi)、數量和放置位置的軍方在制定了綜合清單之后，為部隊節省下了36億美元。而我的專(zhuān)業(yè)就是飛行器動(dòng)力，我很清楚我國航空發(fā)動(dòng)機的'研究制造水平是深深限制了空軍力量的發(fā)展。在夏季學(xué)期去黎明航空發(fā)動(dòng)機廠(chǎng)實(shí)習的時(shí)候，許多講解的師傅都會(huì )強調一點(diǎn)，發(fā)動(dòng)機的每一個(gè)零件上都是有標號的。零件的工藝卡片上會(huì )記錄其每一個(gè)工序的加工時(shí)間、地點(diǎn)，加工、組裝、調試人員等的資料，這些卡片將會(huì )一直保存下去。這不僅能夠方便維修和更換，在出現事故之后，還可以追根溯源，查出事故的原因。我當時(shí)就在想還好這東西產(chǎn)量不是很高，一臺渦扇發(fā)動(dòng)機僅僅葉片數量就是數千了。這樣的大數據肯定還可以好好利用，幫助我們去發(fā)現科技研發(fā)和制造生產(chǎn)中矛盾與不足，并做出改進(jìn)。但航空發(fā)動(dòng)機的發(fā)展需要的更多的是技術(shù)的積累，特別是關(guān)鍵技術(shù)的實(shí)驗數據我們還有著(zhù)很大的缺失。我們不能像BAT這些互聯(lián)網(wǎng)巨頭可以輕松收集數據，航空發(fā)動(dòng)機的技術(shù)積累需要一代代人在理論、實(shí)驗上的積累，才有可能在這種大數據的支撐下做出真正屬于自己的航空發(fā)動(dòng)機。
這種積累利用方法可能與書(shū)中作者所說(shuō)的利用大數據進(jìn)行預測、創(chuàng )新相比起來(lái)不是足夠高端，但是新的方法需要人去摸索，我也愿意成為這樣的第一人，我也堅信大數據能夠給這樣一個(gè)領(lǐng)域帶來(lái)另一片天空。只是在航空發(fā)動(dòng)機的領(lǐng)域我們是不能只停留在＂是什么＂這一步的！精心策劃數據的因果關(guān)系研究和控制實(shí)驗很有必要。
最后，我提出一個(gè)疑問(wèn)，那就是大數據能不能創(chuàng )造出另一個(gè)畢加索呢？
大數據時(shí)代讀書(shū)心得體會(huì ) 篇20
在看《大數據》之前，我只知道社會(huì )越來(lái)越數字化了，看完之后，才覺(jué)悟到：人類(lèi)將迎來(lái)一個(gè)新的時(shí)代。
數字化已經(jīng)把我們帶入一個(gè)信息時(shí)代，大數據卻把我們卷進(jìn)了一場(chǎng)科技風(fēng)暴之中，這本書(shū)中，作者為我們開(kāi)啟了一個(gè)更包容更廣闊的新時(shí)代，大數據把社會(huì )的方方面面融合在了一起，曾經(jīng)看似因果聯(lián)系緊密的事物，可能變得不再那么重要；毫無(wú)關(guān)聯(lián)的事物，可能隱藏著(zhù)重要的信息，從科技、商業(yè)，到醫療、政治、教育、文化，大數據一概席卷囊括，它改變著(zhù)我們的傳統思維，為這個(gè)時(shí)代注入了新鮮的血液，就像作者書(shū)中所說(shuō)：“這項技術(shù)終將改變我們所居住的星球上的許多東西�！�
大數據最顯著(zhù)的影響是對于電子商務(wù)，通過(guò)大數據，最先洞察出潛在市場(chǎng)的，也必然最先占領(lǐng)市場(chǎng)。而電子商務(wù)對實(shí)業(yè)的沖擊又是勢不可擋，可見(jiàn)，掌握了大數據就主導了市場(chǎng)，擁有了先進(jìn)的科技才能擁有堅實(shí)的競爭力。在醫療方面，曾經(jīng)的非典時(shí)期，就是一個(gè)很好的例證，正是有大數據的預測功能，才使疫情得到了控制。在更小的方面，他也同樣改變著(zhù)我們的生活，書(shū)中提到美國著(zhù)名計算機專(zhuān)家?jiàn)W倫·埃齊奧尼發(fā)明了飛機機票價(jià)格預測軟件，就是利用大數據造福我們生活的很好例子。
大數據不僅節省了時(shí)間，提高了效率，更將人類(lèi)帶入一個(gè)新的文明階段。從分析因果總結經(jīng)驗，轉變?yōu)樗鸭瘮祿A測未來(lái)；由原來(lái)的滯后性變?yōu)楝F在的預見(jiàn)性——大大提高了人類(lèi)認識世界、改造世界的能力，變被動(dòng)為主動(dòng)。大數據為我們掀開(kāi)了歷史新紀元，不敢想象它將會(huì )為我們帶來(lái)什么，或許會(huì )出現新奇的生活方式，從未有過(guò)的職業(yè)，聞所未聞的商業(yè)模式，百家爭鳴的.文化高峰；也或許會(huì )解開(kāi)更多未解之謎，探索到宇宙之外的秘密�？傊�，毫無(wú)疑問(wèn)的是，大數據為我們帶來(lái)的未來(lái)是超乎想象的。
這本書(shū)中作者提到最多的是：改變我們的傳統思維，摒棄精確性轉向宏觀(guān)。從總結因果轉向預測。這個(gè)世界正以驚人的速度向前發(fā)展，數據大爆炸的波及范圍遠超乎我們的想象，單純靠人類(lèi)的主觀(guān)判斷力是多么的有限，大數據早晚會(huì )取而代之這一現象，這必將影響我們的生活和工作，我們也只有認清這種趨勢，改變思維，調整步伐，緊跟時(shí)代才行。即使不能與時(shí)代同步，也盡量做到避免固步自封，認識大數據、利用大數據趨利避害，為我們的生活造福！
【大數據時(shí)代讀書(shū)心得體會(huì )】相關(guān)文章：
《大數據時(shí)代》讀后感09-01
《大數據時(shí)代》讀后感范文03-21
大數據時(shí)代穆斯林網(wǎng)站的發(fā)展策略論文08-19
數據分析心得體會(huì )09-22
新時(shí)代讀書(shū)月作文09-27
數據庫實(shí)驗心得體會(huì )09-02
數據庫實(shí)習心得體會(huì )04-22